本篇内容主要讲解"蟒蛇中多线程和多处理的分析",感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"蟒蛇中多线程和多处理的分析"吧！
多线程
简单地说，线程允许您并行地运行程序。花费大量时间等待外部事件的任务通常适合线程化。它们也称为输入/输出绑定任务例如从文件中读写，网络操作或使用应用程序接口在线下载。让我们来看一个示例，它展示了使用线程的好处。
1. 没有线程
在本例中，我们希望通过顺序运行程序来查看从美国石油学会下载15张图像需要多长时间：
导入requestsimporttimeimg _ URL=[' https://]个图像。unsplash。com/photo-1516117172878-fd2c 41 F4 a 759 '，' https://图片。unsplash。com/photo-1532009324734-20 a7a 5813719 '，' https://图片。unsplash。com/photo-152444444444444669-6633 content not open(img _ name，' WB ')asimg _ file : img _ file。write(img _ bytes)# savegimagetodiskffinish=time。perf _ counter()# endtimer print(f '完成于{ round(finish-start，2)}秒)' #结果完成于23.1019267551秒一共用时23秒。
2. 多线程
让我们看看派顿中的线程模块如何显著地改进我们的程序执行：
从并发导入时间。futureimportthreadpooleexecutudefdownload _ images(URL): img _ name=img _ URL。split('/')[3]img _ bytes=请求。获取(img _ URL).contentwithopen(img_name，' WB ')asimg _ file : img _ file。write(img _ bytes)print(f ' { img _ name }被下载')start=time。perf _ counter()# starttimerwithThreadPoolExecutor :结果=executor。map(download _ images，img _ URL)# thissimilartmap(func，* iterables)finish=time。perf _ counter()# endtimerprint(f ' finished in { round(finish我们可以看到，与不使用线程代码相比，使用线程代码可以显著提高速度。从23秒到5秒。
对于本例，请注意在创建线程时存在开销，因此将线程用于多个应用程序接口调用是有意义的，而不仅仅是单个调用。
此外，对于密集的计算，如数据处理，图像处理多处理比线程执行得更好。
到此，相信大家对"蟒蛇中多线程和多处理的分析"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/66409.html