Okazało się, że w Pythonie 3.4 istnieje kilka różnych bibliotek dla wieloprocesorowe / gwintowania: wieloprocesorowe vs gwintowania vs asyncio .
Ale nie wiem, którego użyć, czy jest to „zalecane”. Czy robią to samo, czy różnią się? Jeśli tak, który z nich jest używany do czego? Chcę napisać program korzystający z wielu rdzeni w moim komputerze. Ale nie wiem, której biblioteki powinienem się nauczyć.
Odpowiedzi:
Są przeznaczone do (nieco) innych celów i / lub wymagań. CPython (typowa, główna implementacja Pythona) nadal ma globalną blokadę interpretera, więc aplikacja wielowątkowa (obecnie standardowy sposób implementacji przetwarzania równoległego) jest nieoptymalna. Dlatego multiprocessing może być preferowany threading. Jednak nie każdy problem można skutecznie podzielić na [prawie niezależne] części, więc może zaistnieć potrzeba intensywnej komunikacji międzyprocesowej. Dlatego multiprocessingmoże nie być preferowany threadingw ogóle.
asyncio(ta technika jest dostępna nie tylko w Pythonie, inne języki i / lub frameworki również ją mają, np. Boost.ASIO ) to metoda na efektywną obsługę wielu operacji I / O z wielu jednoczesnych źródeł bez potrzeby równoległego wykonywania kodu . Jest to więc tylko rozwiązanie (rzeczywiście dobre!) Do konkretnego zadania, a nie ogólnie do przetwarzania równoległego.
Omówiliśmy najpopularniejsze formy współbieżności. Pozostaje jednak pytanie - kiedy wybrać który? To naprawdę zależy od przypadków użycia. Z mojego doświadczenia (i czytania) wynika, że kieruję się tym pseudo kodem:
if io_bound:
if io_very_slow:
print("Use Asyncio")
else:
print("Use Threads")
else:
print("Multi Processing")
- Powiązane z procesorem => przetwarzanie wieloprocesowe
- Ograniczone we / wy, szybkie we / wy, ograniczona liczba połączeń => wielowątkowość
- Powiązane we / wy, wolne we / wy, wiele połączeń => Asyncio
[ UWAGA ]:
asynciopętli zdarzenia ( uvloop sprawia asyncio2-4x szybciej).[UPDATE (2019)]:
asynciokiedy korzystasz z funkcji oczekujących, requestbiblioteka nie jest metodą oczekiwaną, zamiast tego możesz użyć aiohttpbiblioteki lub żądania asynchronicznego itp.
W przypadku przetwarzania wieloprocesowego do dystrybucji obliczeń wykorzystuje się wiele procesorów. Ponieważ każdy z procesorów działa równolegle, możesz skutecznie wykonywać wiele zadań jednocześnie. Chciałbyś użyć przetwarzania wieloprocesowego do zadań związanych z procesorem . Przykładem może być próba obliczenia sumy wszystkich elementów ogromnej listy. Jeśli twoja maszyna ma 8 rdzeni, możesz "pociąć" listę na 8 mniejszych list i obliczyć sumę każdej z tych list oddzielnie na oddzielnym rdzeniu, a następnie po prostu zsumować te liczby. W ten sposób uzyskasz ~ 8x przyspieszenie.
W wielu) ( gwintnie potrzebujesz wielu procesorów. Wyobraź sobie program, który wysyła do sieci wiele żądań HTTP. Jeśli użyłeś programu jednowątkowego, zatrzymałby on wykonywanie (blok) przy każdym żądaniu, czekał na odpowiedź, a następnie kontynuował po otrzymaniu odpowiedzi. Problem polega na tym, że twój procesor tak naprawdę nie działa, czekając, aż jakiś zewnętrzny serwer wykona zadanie; w międzyczasie mógł wykonać pożyteczną pracę! Rozwiązaniem jest użycie wątków - możesz utworzyć wiele z nich, z których każdy będzie odpowiadał za żądanie treści z sieci. Zaletą wątków jest to, że nawet jeśli działają one na jednym procesorze, procesor od czasu do czasu „zawiesza” wykonanie jednego wątku i przeskakuje do wykonania drugiego (nazywa się to przełączaniem kontekstu i dzieje się to stale niedeterministycznie odstępach czasu). - użyj gwintowania.
asyncio to w zasadzie wątkowanie, w którym to nie procesor, ale ty, jako programista (a właściwie twoja aplikacja), decydujesz, gdzie i kiedy ma nastąpić przełączenie kontekstu . W Pythonie używasz awaitsłowa kluczowego, aby zawiesić wykonanie twojego programu (zdefiniowanego za pomocą asyncsłowa kluczowego).