Python multithreading與multiprocessing使用

一支Python程式在運行的時候如果沒加入multithreading或multiprocessing的設計，程式只會一行一行執行無法發揮CPU性能，multithreading或multiprocessing都是讓程式在電腦上進行多工的方式，一個程式要運行時得先建立process，而一個process內又運行著thread用來運行程式，因此若不使用multithreading或multiprocessing方式進行程式開發，程式就只能在一個process裡的thread執行了。

Python的解釋器在每一個process內都設了一個GIL(Global Interpreter Lock)，用來避免資源死鎖，這是Python語言獨有的設計，GIL確保Python應用程式一次這會有一個Thread在運行，這也就是Python在這方面令許多人垢病的地方，關於GIL的歷史淵源，在此不加以探究，學習如何減少GIL對程式帶來的影響才是重點。

至於要使用multithreading還是multiprocessing，這得取決於程式考量，multithreading是存在於process，因此較為輕量，但會受到GIL的限制，用於IO-bound較為適合，而multiprocessing適合用於CPU-bound，主要在於IO-bound的情境CPU大部分時間都在等待IO操作完成，因此任務越多CPU使用率也越高，而CPU-bound因CPU較為忙碌，若使用multithreading的方式，需花在任務切換的時間就越多，如此一來CPU執行效率就越低。

說了這麼多JR將multithreading與multiprocessing記錄下來，使用時機對了，可讓程式效能增進不少。

程式實作

Python程式：multithreading_demo.py

import math
import os
from threading import Thread


def thread_demo(index):
    print('thread:', index)
    for i in range(0, 60000000):
        math.sqrt(i)

def main():
    threads = []

    for i in range(os.cpu_count()):
        threads.append(Thread(target=thread_demo, args=(i,)))

    for thread in threads:
        thread.start()

    for thread in threads:
        thread. Join()

if __name__ == "__main__":
    main()

Python程式：multiprocessing_demo.py

import math
import os
from multiprocessing import Process


def thread_demo(index):
    print('process:', index)
    for i in range(0, 60000000):
        math.sqrt(i)

def main():
    threads = []

    for i in range(os.cpu_count()):
        threads.append(Process(target=thread_demo, args=(i,)))

    for thread in threads:
        thread.start()

    for thread in threads:
        thread.join()

if __name__ == "__main__":
    main()