并发编程—进程、线程、协程的区别

目录

• 1、资源
• 2、效率
  • 2.1 cpu执行效率：
  • 2.2 计算密集型
  • 2.3 I/O密集型
• 3、代码
  • 3.1 多线程与多进程

1、资源

进程：计算机最小的资源单位

线程：进程内开启，资源消耗远小于进程，开启时间也远小于进程

协程：线程内开启，资源消耗小于线程，开启时间也小于线程

2、效率

2.1 cpu执行效率：

1、cpu可以做计算和I/O

2、多核cpu可以同时进行计算，能够有效的提升计算效率

3、cpu遇到I/O时，肯定会让线程进入阻塞态，就算是多核，也仍需等待，所以多核不能提升I/O速率

即：对计算来说，cpu越多越好，但是对于I/O来说，再多的CPU也没用

基于此，进程、线程、协程的效率也要分I/O密集还是计算密集来看

2.2 计算密集型

计算密集型

由于计算操作较多，所以程序的执行效率取决于CPU的计算性能

单核：都是并发执行，并且I/O操作较少，所以执行效率时相差不多的，相差的执行时间基本上就是开启进程与开启线程的差别

多核：由于多进程可以实现并行，所以当任务越多，多核在计算性能上的提升越明显

2.3 I/O密集型

I/O密集型

由于I/O操作较多，所以程序的执行速率取决于CPU的I/O性能

单核：多进程也只能实现并发，此时，多线程与多进程的差别，只有在遇到I/O时切换的效率差别了，很明显，多线程的效率要高的多

多核：CPU在遇到I/O操作时，必须等待I/O，因此多核多I/O的性能提升不大，此时多线程与多进程的差别，也取决于遇到I/O是的切换效率了，很明显，当任务量越多，多线程的效率越高

3、代码

3.1 多线程与多进程

代码演示

计算密集型

from multiprocessing import Process
from threading import Thread
import time,os

def work():
    res = 0
    for i in range(100000000):
        res += 1
    print(res)

if __name__ == '__main__':
    l = []
    print(os.cpu_count())
    start_time = time.time()
    for i in range(1):
        p = Process(target=work)
        # p = Thread(target=work)
        l.append(p)
        p.start()

    for p in l:
        p.join()

    stop_time = time.time()
    print(f'消耗时间：{stop_time-start_time}')

I/O密集型

from multiprocessing import Process
from threading import Thread
import time,os

def work(i):
    time.sleep(0.1)
    print(i)

if __name__ == '__main__':
    l = []
    print(os.cpu_count())
    start_time = time.time()
    for i in range(100):
        p = Process(target=work,args=(i,))
        # p = Thread(target=work,args=(i,))
        l.append(p)
        p.start()

    for p in l:
        p.join()

    stop_time = time.time()
    print(f'消耗时间：{stop_time-start_time}')