为什么在本例中多个线程的分布效率不高？
提问于 2020-12-03 12:11:12
我有一个测试，为什么我可以运行大约5秒，100%的CPU使用时间在我的一个核心。
这是剧本
from threading import Thread
from time import time, sleep
def test0():
start = time()
a = 0
for _ in range(int(1e8)):
a += 1
print(time() - start)这是跟踪(Ubuntu20.04系统监视器，有1秒的回收箱)
凉爽的。这事儿可以理解。我的一个CPU的工作时间是100%，持续大约5秒。
现在，如果我尝试运行4个线程，每个线程都执行相同的操作，会发生什么呢？以我目前的知识，我认为它们应该是分配在一个核心上的时间，整个过程大约需要20秒。这是剧本
def print_after_work(msg):
a = 0
for _ in range(int(1e8)):
a += 1
print(msg)
def test1():
threads = []
for i in range(4):
threads.append(threading.Thread(target=print_after_work, args=[i+1]))
start = time()
for thread in threads:
thread.start()
sleep(0.2)
for thread in threads:
thread.join()
print(time() - start)这是痕迹：
因此，我们有4个CPU在大约25%的容量工作。
问题：
- 所以Python的
threading模块可以将线程移动到除了主进程之外的不同内核上？ - 如果是这样的话，那为什么只使用25%的每个核心花了4倍的时间去做呢？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-05 10:16:00
Python线程不使用多个核心，因为所有线程在内部共享公共数据：Python GIL。
您在图中看到的是OS时间划分的聚合效应-- Python进程本身几乎可以肯定地在每个时间片的内核之间被交换。不能保证一个进程将始终与同一核心保持联系。不过，您的图表并没有显示O/S时间序列的粒度。因此，您所看到的是随着时间的推移，4个核心的聚合，这意味着您将得到每个CPU的25%或相当于一个CPU的100% --正如您在Python多线程上所期望看到的那样，当进程本身被调度时，线程都与同一个CPU挂钩。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65133401
复制相关文章
点击加载更多
腾讯云开发者
