网站运维平台建设原则,旅游网站建设策划,做视频网站带宽,制作彩页用什么软件历史原因
在Python官网下载的默认解释器是采用C语言编写的Cpython解释器。在Python语言开发之初#xff0c;计算机都是单核CPU#xff0c;每个单核CPU同一时刻只能运行一个线程。为了模拟多线程工作#xff0c;这里采用了模拟机制#xff0c;让不同线程根据时间片段#…历史原因
在Python官网下载的默认解释器是采用C语言编写的Cpython解释器。在Python语言开发之初计算机都是单核CPU每个单核CPU同一时刻只能运行一个线程。为了模拟多线程工作这里采用了模拟机制让不同线程根据时间片段轮流着去执行数据使多线程具有相对均衡的时间机会使用CPU计算资源。基于当时的CPU技术python语言发明人采用了单核CPU技术进程技术。为了保证线程执行的安全在Cpython解释器上提供了全局解释器锁Global Interpreter LockGIL当在Cpython解释器上执行python代码时GIL会保护代码的线程独立使用共享数据直到解释器遇到I/O操作或者操作次数达到一定数目时才会释放GIL。所以Cpython解释器整体作为一个进程同一时间只有一个获得GIL保护的线程在执行其他线程则处于等待状态。由此得出Cpython解释器下多线程执行的结论。
1、Cpython解释器环境下的python语言只存在模拟多线程状态不存在真正的并发多线程。也就是说在多核CPU情况下无法利用多喝同时执行多个线程以提高执行效率。
2、Cpython受全局解释器锁保护提供了模拟多线程执行安全但是无法实现真正的并发多线程。
3、多线程有两个应用方向即CPU-bound计算密集型和I/OboundI/O密集型。计算密集型任务主要通过多线程充分利用CPU的资源特别是多核计算资源解决特定复杂计算问题如复杂的科学计算算法。I/O密集型任务主要通过多线程对磁盘I/O、网络I/O进行读写处理CPU计算任务比较小。这符合GIL快速锁定、快速释放特点。
由此可以得出CPython解释器环境下易执行I/O多线程操作避免利用它做CPU多线程操作。 所以在CPython解释器下执行的多线程都受GIL这把全局锁保护使多线程在某一时刻访问数据共享资源时只能允许一个线程执行。这样保证了线程之间的安全避免了数据共享资源的冲突但是做不到真正的多线程并发处理。其实Cpython的GIL问题是Python开源社区最难解决、最头疼的问题为了避开其多线程技术的缺陷甚至有专家建议用其他方法代替。
python的多线程技术的替代方案
1、采用Jython、IronPython、PyPy等其他解释器。上述几种解释器不受GIL约束实现了真正意义上的多线程并发技术。
2、利用ctypes模块绕过GIL约束。ctypes提供了在Python语言环境下调用C语言动态库的能力。借助C语言函数的功能实现对多内核CPU的使用。ctypes模块使用C语言方法详见官网提供的《Python使用文档》的标准库相关文章内容。
3、利用multiprocessing模块、 subprocess模块 子进程模块允许通过产生新的进程连接到它们的输入、输出、错误管道中并获得它们的返回代码。该模块旨在替换几个较旧的模块和功能。
sched模块、 调度模块定义了一个实现通用事件调度器的类。
4、concurrent模块concurrent.futures模块为异步执行可调用对象提供了一个高级接口。该模块的ProcessPoolExecutor类可被用来在一个单独的Python解释器中执行计算密集型函数并在多核CPU里并行执行。
5、不同编程语言有不同编程语言的应用优势显然Python在多线程编程方面存在一些缺陷。如果纯粹为了解决多线程编程和应用问题也可以选择其他功能更加强大的编程语言如C、C、Java等。
