python多进程和多线程谁更快

• python3.6
• threading和multiprocessing
• 四核+三星250G-850-SSD

自从用多进程和多线程进行编程,一致没搞懂到底谁更快。网上很多都说python多进程更快，因为GIL(全局解释器锁)。但是我在写代码的时候，测试时间却是多线程更快，所以这到底是怎么回事？最近再做分词工作，原来的代码速度太慢，想提速，所以来探求一下有效方法(文末有代码和效果图)

这里先来一张程序的结果图，说明线程和进程谁更快

---

一些定义

并行是指两个或者多个事件在同一时刻发生。并发是指两个或多个事件在同一时间间隔内发生

线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一个程序的执行实例就是一个进程。

---

实现过程

而python里面的多线程显然得拿到GIL,执行code，最后释放GIL。所以由于GIL，多线程的时候拿不到，实际上，它是并发实现，即多个事件，在同一时间间隔内发生。

但进程有独立GIL，所以可以并行实现。因此，针对多核CPU，理论上采用多进程更能有效利用资源。

---

现实问题

在网上的教程里面，经常能见到python多线程的身影。比如网络爬虫的教程、端口扫描的教程。

这里拿端口扫描来说，大家可以用多进程实现下面的脚本，会发现python多进程更快。那么不就是和我们分析相悖了吗？

import sys,threading

from socket import *

host = "127.0.0.1" if len(sys.argv)==1 else sys.argv[1]

portList = [i for i in range(1,1000)]

scanList = []

lock = threading.Lock()

print('Please waiting... From ',host)

def scanPort(port):

    try:

        tcp = socket(AF_INET,SOCK_STREAM)

        tcp.connect((host,port))

    except:

        pass

    else:

        if lock.acquire():

            print('[+]port',port,'open')

            lock.release()

    finally:

        tcp.close()

for p in portList:

    t = threading.Thread(target=scanPort,args=(p,))

    scanList.append(t)

for i in range(len(portList)):

    scanList[i].start()

for i in range(len(portList)):

    scanList[i].join()

---

谁更快

因为python锁的问题，线程进行锁竞争、切换线程，会消耗资源。所以，大胆猜测一下：

在CPU密集型任务下，多进程更快，或者说效果更好；而IO密集型，多线程能有效提高效率。

大家看一下下面的代码:

import time

import threading

import multiprocessing

max_process = 4

max_thread = max_process

def fun(n,n2):

    #cpu密集型

    for  i in range(0,n):

        for j in range(0,(int)(n*n*n*n2)):

            t = i*j

def thread_main(n2):

    thread_list = []

    for i in range(0,max_thread):

        t = threading.Thread(target=fun,args=(50,n2))

        thread_list.append(t)

    start = time.time()

    print(' [+] much thread start')

    for i in thread_list:

        i.start()

    for i in thread_list:

        i.join()

    print(' [-] much thread use ',time.time()-start,'s')

def process_main(n2):

    p = multiprocessing.Pool(max_process)

    for i in range(0,max_process):

        p.apply_async(func = fun,args=(50,n2))

    start = time.time()

    print(' [+] much process start')

    p.close()#关闭进程池

    p.join()#等待所有子进程完毕

    print(' [-] much process use ',time.time()-start,'s')

if __name__=='__main__':

    print("[++]When n=50,n2=0.1:")

    thread_main(0.1)

    process_main(0.1)

    print("[++]When n=50,n2=1:")

    thread_main(1)

    process_main(1)

    print("[++]When n=50,n2=10:")

    thread_main(10)

    process_main(10)

结果如下：

可以看出来，当对cpu使用率越来越高的时候（代码循环越多的时候），差距越来越大。验证我们猜想

---

CPU和IO密集型

1. CPU密集型代码(各种循环处理、计数等等)
2. IO密集型代码(文件处理、网络爬虫等)

判断方法：

1. 直接看CPU占用率, 硬盘IO读写速度
2. 计算较多->CPU;时间等待较多(如网络爬虫)->IO
3. 请自行百度

参考

为什么在Python里推荐使用多进程而不是多线程？

如何判断进程是IO密集还是CPU密集

搞定python多线程和多进程