在Python編程語言當(dāng)中，很多人對Python中的并行性和并發(fā)性不了解。今天我們將討論python中的并發(fā)和并行性。在這里，我們將研究Python的多線程，多處理，異步編程，并發(fā)和并行性。我們使用python的多處理模塊來實(shí)現(xiàn)并行性，而Python中的并發(fā)是通過線程和異步IO模塊來實(shí)現(xiàn)的。并行運(yùn)行的程序?qū)⒈环Q為并發(fā)，但事實(shí)并非如此因此，在不浪費(fèi)時(shí)間的情況下，讓我們開始吧。

平行性

這意味著要同時(shí)以相同的順序執(zhí)行多個(gè)任務(wù)。

多重處理：這意味著將任務(wù)分配到CPU內(nèi)核上[在終端中鍵入來檢查計(jì)算機(jī)中的內(nèi)核數(shù)。]。對于任何與CPU綁定的任務(wù)，我們可以使用python的multiprocessing模塊。我們只需在多處理中創(chuàng)建一個(gè)Pool對象，即可提供一種便捷的方法來跨多個(gè)輸入值并行執(zhí)行函數(shù)。讓我們借助一個(gè)示例來看看它：

import multiprocessingimport os import time import numpy as npdef DotProduct(A):

dot_product = np.dot(A[0],A[1])

return

List = [[np.arange(1000000).reshape(5000,200),np.arange(1000000).reshape(200,5000)],

[np.arange(1000000).reshape(500,2000),np.arange(1000000).reshape(2000,500)],

[np.arange(1000000).reshape(5000,200),np.arange(1000000).reshape(200,5000)]]

if __name__ == "__main__":

# executing a code without multiprocessing .. ie. on single core .

start = time.time()

B = list(map(DotProduct,List))

end = time.time() - start

print("Full time taken : " , end , "seconds")

# lets look at executing same code with multiprocesing module on multiple cores ..

start = time.time()

pool = multiprocessing.cpu_count()

with multiprocessing.Pool(pool) as p:

print(p.map(DotProduct,List))

end = time.time() - start

print("Full time taken : " , end , "seconds")

##輸出//

耗時(shí)：23.593358993530273秒

耗時(shí)：14.405884027481079秒

　　并發(fā)

這意味著同時(shí)執(zhí)行多個(gè)任務(wù)，但要以重疊或不同或相同的順序進(jìn)行。（Python在處理并發(fā)方面不是很出色），但是它做得相當(dāng)不錯(cuò)。

1.多線程：運(yùn)行不同/多個(gè)線程以在單個(gè)處理器上執(zhí)行任務(wù)。多線程對于執(zhí)行IO綁定任務(wù)(例如—同時(shí)向服務(wù)器發(fā)送多個(gè)請求等)確實(shí)非常有用。創(chuàng)建的每個(gè)新線程將具有PID（進(jìn)程ID），并將具有啟動(dòng)函數(shù)。如果要在線程完成其工作后運(yùn)行l(wèi)oc，可以使用該線程的join()函數(shù)。Python與它的GIL有非常復(fù)雜的關(guān)系，并且代碼的輸出變化很大。

2.異步IO：在Python中，異步IO是單線程單進(jìn)程設(shè)計(jì)范例，通過某種方式設(shè)法實(shí)現(xiàn)并發(fā)。

　　讓我們借助一個(gè)示例對其進(jìn)行研究。

import threadingimport os import time import numpy as npdef BasicOperation():

# square of number

def square(number):

return number*number

# cube of a number

def cube(number):

return number**3

# nth power of a number

def nth_power(number,power):

return number**power

# sum of n numbers

def sum_of_n_numbers(number):

return number*(number+1)/2

# using functions to drive a program ...

print("square of 5 is " , square(5))

print("cube of 5 is " , cube(5))

print("5 raise to power 2 is " , nth_power(5,2))

print("sum of first 5 numbers is" , sum_of_n_numbers(5))

def DotProduct():

A = np.arange(1000000).reshape(5000,200)

B = np.arange(1000000).reshape(200,5000)

Dot = np.dot(A,B)if __name__ == "__main__":

# without threading ...

start = time.time()

BasicOperation()

Mid = time.time() - start

print("Mid time taken : " , Mid , "seconds")

DotProduct()

end = time.time() - start

print("Full time taken : " , end , "seconds")

# with threading ...

start = time.time()

Thread_1 = threading.Thread(target = BasicOperation, name = ' Basic Operation Thread ')

Thread_2 = threading.Thread(target = DotProduct , name=' Dot Product Thread ')

Thread_1.start()

Thread_2.start()

Thread_1.join()

Mid = time.time() - start

print("Mid time taken : " , Mid , "seconds")

Thread_2.join()

end = time.time() - start

print("Full time taken : " , end , "seconds")

##輸出//

5的平方是25

的5的立方是125

5 升到冪2是25

的前5個(gè)數(shù)字之和是15.0

耗時(shí)：0.0006113052368164062秒

全時(shí)耗：5的平方是10.373110294342041 25seconds

5的立方是中耗時(shí)：1250.0015938282012939453

5冪2是秒前5個(gè)數(shù)字的

25

總和是15.0

全時(shí)：12.598262786865234秒

以上就是關(guān)于Python中的并行性和并發(fā)性的全部內(nèi)容介紹，想了解更多關(guān)于Python的信息，請繼續(xù)關(guān)注中培偉業(yè)。