多线程和单线程的执行效率问题

一提到多线程通常你们的第一感受就是能够提高程序性能，在实际的操做中每每遇到性能的问题，都尝试使用多线程来解决问题，但多线程程序并非在任何状况下都能提高效率，在一些状况下偏偏相反，反而会下降程序的性能。这里给出两个简单的例子来讲明下：

程序1：

 1 import threading
 2 from time import ctime
 3 
 4 class MyThread(threading.Thread):
 5     def __init__(self, func, args, name):
 6         threading.Thread.__init__(self)
 7         self.name = name
 8         self.func = func
 9         self.args = args
10 
11     def run(self):
12         print 'starting', self.name, 'at:',ctime()
13         apply(self.func, self.args)
14         print self.name, 'finished at:', ctime()
15 
16 def fun1(x):
17     y = 0
18     for i in range(x):
19         y+=1
20 
21 def fun2(x):
22     y = 0
23     for i in range(x):
24         y+=1
25         
26 def main():
27     print 'staring single thread at:',ctime()
28     fun1(10000000)
29     fun2(10000000)
30     print 'finished single thread at:',ctime()
31 
32     t1 = MyThread(fun1,(10000000,),fun1.__name__)
33     t2 = MyThread(fun2,(10000000,),fun2.__name__)
34     t1.start()
35     t2.start()
36     t1.join()
37     t2.join()
38     
39     print 'all done'
40     
41 if __name__ == '__main__':
42     main()

 该程序执行结果为：

staring single thread at: Sat Dec 08 10:27:11 2012
finished single thread at: Sat Dec 08 10:27:14 2012
starting  fun1  at:  Sat Dec 08 10:27:14 2012
starting  fun2  at:  Sat Dec 08 10:27:14 2012
fun1  finished at:Sat Dec 08 10:27:21 2012
fun2  finished at:Sat Dec 08 10:27:21 2012
all done

结果显示对于一样的问题多线程耗费了多一倍的时间，fun1,、fun2都是计算型程序，这就意味着两个代码都须要占用CPU资源，虽然采用了多线 程但CPU资源是惟一的（不考虑多CPU多核的状况），同一时刻只能一个线程使用，致使多线程没法真正的并发，相反因为线程的切换的开销，效率反而有明显 的降低。由此看以在单CPU的场景下对于计算密集型的程序，多线程并不能带来效率的提高。

程序2：

 1 import threading
 2 from time import ctime
 3 
 4 class MyThread(threading.Thread):
 5     def __init__(self, func, args, name):
 6         threading.Thread.__init__(self)
 7         self.name = name
 8         self.func = func
 9         self.args = args
10 
11     def run(self):
12         print 'starting', self.name, 'at:',ctime()
13         apply(self.func, self.args)
14         print self.name, 'finished at:', ctime()
15 
16 def fun1(x):
17     for i in range(x):
18         fd = open('1','w')
19         fd.close()
20 
21 def fun2(x):
22     y = 0
23     for i in range(x):
24         y+=1
25         
26 def main():
27     print 'staring single thread at:',ctime()
28     fun1(15000)
29     fun2(50000000)
30     print 'finished single thread at:',ctime()
31 
32     t1 = MyThread(fun1,(15000,),fun1.__name__)
33     t2 = MyThread(fun2,(50000000,),fun2.__name__)
34     t1.start()
35     t2.start()
36     t1.join()
37     t2.join()
38     
39     print 'all done'
40     
41 if __name__ == '__main__':
42     main()

View Code

该程序执行结果为：

staring single thread at: Sat Dec 08 11:03:30 2012
finished single thread at: Sat Dec 08 11:03:46 2012
starting  fun1  at:  Sat Dec 08 11:03:46 2012
starting  fun2  at:  Sat Dec 08 11:03:46 2012
fun2 finished at: Sat Dec 08 11:03:55 2012
fun1 finished at: Sat Dec 08 11:03:58 2012
all done

结果显示这个程序采用多线程比单线程的效率有明显的提高。这是因为fun1主要是文件的操做，fun2是计算操做，单线程的状况下，虽然两个程序主 要使用不一样的资源可是在线程内部只能串行执行，在IO操做的时候，CPU实际是无事可作。多线程的状况下，若是一个线程在等待IO操做，线程会立刻调度到 另一个线程上，并发的使用了不一样的资源。

结论:

线程自己因为建立和切换的开销，采用多线程不会提升程序的执行速度，反而会下降速度，可是对于频繁IO操做的程序，多线程能够有效的并发。

对于包含不一样任务的程序,能够考虑每一个任务使用一个线程。这样的程序在设计上相对于单线程作全部事的程序来讲，更为清晰明了，好比生产、消费者问题。

在实际的开发中对于性能优化的问题须要考虑到具体的场景来考虑是否使用多线程技术。

 

 

操做系统 并发程序执行的特色:

并发环境下，因为程序的封闭性被打破，出现了新的特色：

①程序与计算再也不一一对应，一个程序副本能够有多个计算

② 并发程序之间有相互制约关系，直接制约体现为一个程序须要另外一个程序的计算结果，间接制约体现为多个程序竞争某一资源，如处理机、 缓冲区等。

③ 并发程序在执行中是走走停停，断续推动的。

与并行区别 编辑

并发当有多个线程在操做时,若是系统只有一个CPU,则它根本不可能真正同时进行一个以上的线程，它 只能把CPU运行时间划分红若干个时间段,再将时间 段分配给各个线程执行，在一个时间段的线程代码运行时，其它线程处于挂起状。.这种方式咱们称之为并发(Concurrent)。

并行：当系统有一个以上CPU时,则线程的操做有可能非并发。当一个CPU执行一个线程时，另外一个CPU能够执行另外一个线程，两个线程互不抢占CPU资源，能够同时进行，这种方式咱们称之为并行(Parallel)。

区别：并发和并行是即类似又有区别的两个概念，并行是指两个或者多个事件在同一时刻发生；而并发是指两个或多个事件在同一时间间隔内发生。在 多道程序环境下， 并发性是指在一段时间内宏观上有多个程序在同时运行，但在 单处理机系统中，每一时刻却仅能有一道程序执行，故微观上这些程序只能是分时地交替执行。假若在 计算机系统中有多个 处理机，则这些能够并发执行的程序即可被分配到多个处理机上，实现 并行执行，即利用每一个处理机来处理一个可并发执行的程序，这样，多个程序即可以同时执行。 ^[2]