并发编程（二）怎样选择多线程多进程和多协程

并发编程专栏系列博客

并发编程（一）python并发编程简介

并发编程（二）怎样选择多线程多进程和多协程

并发编程（三）Python编程慢的罪魁祸首。全局解释器锁GIL

并发编程（四）如何使用多线程，使用多线程对爬虫程序进行修改及比较

并发编程（五）python实现生产者消费者模式多线程爬虫

并发编程（六）线程安全问题以及lock解决方案

并发编程（七）好用的线程池ThreadPoolExecutor

并发编程（八）在web服务中使用线程池加速

并发编程（九）使用多进程multiprocessing加速程序运行

并发编程（十）在Flask服务中使用进程池加速

扫描二维码关注公众号，回复： 12917817 查看本文章

并发编程（十一）python异步IO实现并发编程

并发编程（十二）使用subprocess启动电脑任意程序（听歌、解压缩、自动下载等等）

 
 

• python并发编程的三种方式：

  • 多线程Thread

  • 多进程Process

  • 多协程Coroutine

• CPU密集型计算、IO密集型计算

• 在了解以上三者对比之前，我们先来了解一下什么是CPU密集型计算、IO密集型计算

  • CPU密集型计算（CPU-bound）:

    • CPU密集型也叫计算密集型，是指IO在很短的时间就可以完成，CPU需要大量的计算处理，特点是CPU占有率相当高
    • 例如：压缩和解压缩、加密解密、正则表达式搜索

  • IO密集型计算（IO-bound）:

    • IO密集型是指系统运行大部分的状况是CPU在等待IO（硬盘/内存）的读写操作，CPU占有率较低。

    • 例如：文件处理程序、网络爬虫程序、读写数据库程序

• 多线程、多进程、多协程的对比

  • 多进程Process（multiprocessing）
    • 优点：可以利用多核CPU进行运算
    • 缺点：占用资源最多，可启动数目比线程少（受硬件CPU数量限制）
    • 适用于：CPU密集型计算
  • 多线程Thread（Threading）：
    • 优点：相比进程，更加轻量级，占用资源少
    • 缺点：
      • 先比进程，多线程只能并发执行，不能使用多CPU（GIL全局解释器锁）
      • 相比协程，启动数目有限制，占用内存资源，有线程切换开销
    • 适用于：IO密集型计算、同时运行的任务数目要求不多。
  • 多协程Coroutine（asyncio）
    • 优点：内存开销最小，启动数量最多，甚至可以多达几万个
    • 缺点：python的支持库有限制（例如协程不能使用requests库只能使用aiohttp），而且实现起来也比较复杂。
    • 适用于：IO密集型计算、需要超多任务运行的场景、但是也必须是有python现有库支持的场景
  • 一个进程中可以启动多个线程
  • 一个线程中国也可以启动多个协程

• 怎么根据任务选择对应的技术

  • 首先，我们先分析待执行任务的任务特点。
  • 如果它是CPU密集型计算任务，那么可以直接选择使用多进程。
  • 如果它是IO密集型计算任务，就需要继续分析以下几个方面。
    • 是否需要很多的任务量？
    • 是否有现成的协程库的支持？
    • 是否可以接受协程实现的复杂度？
  • 如果以上三个方面综合考虑结果为是就可以选择使用多协程。
  • 否则的话，如果以上三种方面综合考虑是否的话，就推荐使用多线程。