简介：许多朋友询问Python线程合适的多少。本文的首席CTO注释将为您提供详细的答案，以供您参考。我希望这对每个人都会有所帮助！让我们一起看看！
最近，我正在做一个相关的项目。整个电线的整个电台爬网确实不大，而且也厌倦了一次跑步。在这里有几个主要问题（关于Python的python多线程的吉尔问题，都不再提及，有几个主要问题在线太多）。
首先，由于多线程可以缩短程序的运行时间，因此线程数量越大，越好？
显然，每个线程都不是世代相传的。太多的线程会占用太多的系统资源（内存开销，CPU开销），并且生成太多线程时间是相当多的。这是最佳线程数量的计算方法：
获得最佳线程号：
1.慢慢通过用户增加性能压力测试，观察QPS（即每秒响应请求的数量，即最大吞吐量。），响应时间
2.根据公式计算：服务器端的最佳线程号=（（线程等待时间+线程CPU时间）/线程CPU时间） * CPU数量
3.单用户压力测试，检查CPU消耗，然后直接乘以百分比，然后执行压力测试。通常，最好的线程接近该值的值。
2.为什么要使用线程池？
对于任务数量不断增加的过程，每个任务都会生成一个线程，这最终将导致线程数的失控。获取此链接对应于相应页面上的新链接。作为一项新任务，目前必须为这些新链接生成新线程，并且线程数量飙升。在后续操作中，线程数将继续增加，并且无法完全控制。对于增加任务数量的过程，需要一个带有许多固定线程的线程池。
如何使用线程池
过去，使用了螺纹池模块，现在使用并发模块通常使用。该模块是Python3随附的模块。但是，也可以安装和使用Python2.7的版本。
注意：
conturrent.futures.threadpoolexecutor，在提交任务时，有两种方法是cumber（）函数，另一个是map（）函数。两者之间的主要区别是：
如果未执行Python多线程的数量，则在一定程度上，在一定程度的启动线程后，启动线程的数量将不正确。
有几分钟来控制多线程的并发症的数量。以下介绍了控制多线程并发症的并发症与queue.python3的方法的方法
由于Python具有GIL全球解释器锁，Python的多线多核心，但是如果它是一个IO -dense项目，那么多线程效率也非常好。我使用多线程来制作爬网。
由于python的臭名昭著的吉尔。
那吉尔是什么？为什么有吉尔？多线程真的是鸡排吗？可以去除吉尔吗？如果有这些问题，我们在一起看着，同时需要一点耐心。
是多线鸡肋骨吗？让我们先进行实验。实验非常简单。它是为了减少“ 1亿”的数量，并将其减少到0程序。如果我们使用单个线程执行，那么完成时间是什么？将使用多线程？显示我的代码
单线
在我的4台CPU计算机中，在单个线程上花费的时间为6.5秒。有人可能会问，线程在哪里？实际上，当任何程序运行时，默认情况下将有一个主线程执行。（关于线程和过程不会在这里扩展，我将分别打开一篇文章）
多线程
创建两个子线程T1和T2，每个线程执行5000万次执行，并且在执行两个线程后，主线程终止程序操作。结果，在合作中执行了两个线程，但合作执行了6.8秒，但放慢了速度从理论上讲，这两个线程同时在两个CPU上运行。时间应该减半，但现在没有减少。
是什么导致多线程不现实和缓慢？
原因在于吉尔。在Cpython解释器（Python语言中的主流解释器）中，有一个全局的解释锁。当解释器解释Python代码时，这意味着该锁首先意味着任何时间，可能只有一个线程执行代码。如果其他线程想获得CPU执行代码指令，则必须先获得此锁定。如果锁被其他线程占据，则线程只能等到锁的线程被锁的线占据，释放锁可能会执行代码指令。
因此，这就是为什么两个线程在一起慢的原因，因为同时，只有一个线程正在运行，而其他线程只能等待。即使是多核CPU也可以在同一Timethe执行代码上同时使用多个线程“并行”，因为多线程切换和锁定机制处理（获取锁，释放锁等），因此可以交替执行。参与其中，因此多线程执行不是快速且缓慢。
吉尔什么时候发布？
当线程遇到I/O任务时，将发布GIL。当CPU结合线程执行100个口译器（ticks）（ticks）（ticks）（ticks）（可以大致认为是Python虚拟机）时，GIL也将是发布。您可以通过设置步骤长度来检查步骤的步骤。
为什么Cpython的解释器设计这样？
多线程是适应现代计算机硬件的高速开发，以充分利用多核处理器的产品。通过多线程，可以有效地使用CPU资源。Python出生于1991年。在Timethe Server 32 Core 64g内存并不常见
但是，多线程存在问题。如何解决共享数据的同步和一致性问题，因为当多个线程访问和共享数据时，可能会有两个线程同时修改一个数据情况。如果没有合适的机制来确保Dathathen的一致性最终导致异常，因此Python的父亲具有全球线锁。无论您是否与数据有同步问题，无论如何，您都可以将其切成全局锁以确保数据安全性。这是多线程鸡排的原因，因为它没有对安全性的良好的控制数据，但以简单而粗鲁的方式解决。
该解决方案放置在1990年代。实际上，没有问题。毕竟，当时的硬件配置仍然非常简单。单个核心CPU仍然是主流。run，不涉及线程的上下文切换，但是效率高于多线程（在多核环境中，此规则不适用）。因此，它不适用使用GIL确保数据的一致性和安全性所必需。至少在当时这是一种非常低的成本实施方法。
删除吉尔是否可行？
有人确实做了很多事情，但结果令人失望。1999年，两个伙伴格雷格·斯坦（Greg Stein）和马克·哈蒙德（Mark Hammond）创建了一个python分支，该分支将吉尔（Gil）删除并用更可变的数据结构取代了更细腻的数据结构。在单线条件下，Python的速度速度较慢。
Python的父亲说：基于上述考虑，GIL在不必花费太多精力的情况下没有很大的价值。
在实际的处理数据中，由于系统内存有限，我们无法一次导出所有数据，因此我们需要按批处理导出。为了加快操作，我们将使用多线程方法进行数据处理。
主要分为三个部分：
总共4个部分总结了多线程内容。
让我首先介绍该线程的相关概念：
在超速节目中，如果没有多线程，我们将在听歌曲，听歌曲和玩游戏的同时演奏速度，这是无法平行的。使用多线程后，我们可以在玩游戏时收听背景音乐。在此示例中，启动超速程序是一个过程。玩游戏和听音乐是两个线程。
Python提供了实现多线程的线程模块：
因为新线程系统需要分配资源，并且线程系统的终止需要回收资源，因此，如果可以重复使用线程，则可以减少新构建/终止费用以提高性能。在同一时间，线程池的语法为比新线程执行线程更简洁。
Python为我们提供了ThreadPoolExecutor来实现线程池，这在此线程池中是防御性的。它的适应场景是大量突然的请求，或者需要大量线程来完成任务，但是实际的任务处理时间很短。
MAX_WORKER是线程池中的线程数。常用的遍历方法包括地图和提交+as_completed.cording。根据不同的业务方案，如果我们需要按遍历的顺序返回输出结果，我们将使用地图方法。如果我们想先完成谁，我们将使用cumber+as_complete方法。
我们将在一段时间内使用的一个线程称为关键资源，必须执行对关键资源的访问。Mutual排除，也称为间接限制。线程相互谴责意味着，当线程访问关键资源时，其他想要访问关键资源的线程必须等待。当前对关键资源的访问已经结束，并且在发布资源后，另一个线程可以访问关键资源。锁的功能是实现相互拒绝线程的函数。
我把线路放到厕所私人房间的大型过程中，因为私人房间里只有一个坑，所以只有一个人可以进行大尺寸。当第一个人想去厕所时，门将被锁定。目前，如果第二个人也想大大，则必须完成第一人称，并且可以继续进行锁。在此期间，两者只能在门外等待。此过程与使用代码中使用锁定的原理完全相同。这里的坑是关键资源。Python的线程模块引入了锁。线程模块提供了一个锁类，该类具有以下方法锁定和释放锁：
我们会发现该程序只会打印“第一个锁”，并且该程序既不会终止也不继续运行。执行，这使得无法执行版本，因此锁定永远无法释放。这是僵局。如果我们使用RLOCK正常运行，就不会发生僵局。
定义主线程中的锁定锁，然后锁定，然后创建一个子线程t运行主函数以释放锁定。
如果将上述锁更改为RLOCK，则报告了一个错误。设计程序时，我们将将每个功能封装到一个函数中，并且每个功能中可能存在关键区域，因此需要RLOCK。
总之，无法打包锁，可以设置RLOCK；锁可以由其他线程中的锁操作，而Rlock只能由该线程操作。
在Python中使用线程模块可以运行程序的不同部分并简化设计。如果您已经启动Python并想使用线程来提高程序的速度，我希望本教程对您有帮助。
线程和过程
什么是一个过程
该过程是系统地执行资源分配和调度的独立单元流程。这是一个有关数据集上运行活动的独立功能的过程。该过程是执行资源分配和调度的系统的独立单元。east过程具有其独立的内存空间，并且通过Inter -Process通信进行了不同的过程。由于该过程相对较重，并且占据了独立的内存，因此Switching Switching Switch intering在头顶上开发（堆栈，注册，虚拟内存，文件句柄等）上下文过程之间相对较大，但相对稳定且安全。
什么是线程
CPU调度和分发的基本单元线程是该过程的实体，即CPU调度和分发的基本单元。它是一个基本单元，可以比该过程更独立地运行。它是操作中的重要资源（例如程序计数器，一组寄存器和堆栈），但它可以共享由同一流程所拥有的所有资源到相同的过程。线程之间的通信主要通过共享内存。上下文切换很快，资源开销很小，但是与过程相比，数据容易丢失数据。
过程与线程之间的关系
线程和过程之间的区别：
过程
在现实生活中，场景中有很多事情同时进行。例如，当您开车时，您可以一起驾驶汽车和脚。
注意：
概念概念
什么是多个任务？简而言之，操作系统可以同时运行多个任务。例如，当您使用浏览器在互联网上浏览Internet时，在收听MP3时，您正在使用Word来快点。这是多任务处理。至少有3个任务正在同一时间运行。在后台同时同时安静地运行了许多任务，但是桌面上没有显示。
目前，多核CPU非常受欢迎，但是即使在过去的单核CPU中，也可以执行多个任务。由于CPU执行代码是按顺序执行的。
答案是，操作系统需要轮流以交替执行每个任务。任务1执行0.01秒，切换到任务2，任务2执行0.01秒，然后切换到任务3，然后执行0.01秒。这是反复执行的。在表面上，每个任务都交替执行，但是由于CPU的执行速度太快，我们认为所有任务均同时执行。
实际并行执行多任务只能在多核CPU上实现。但是，由于任务的数量远远超过CPU的核心数量，因此操作系统将自动将许多任务派遣到每个核心以进行执行。实际上，CPU执行速度太快了！动荡的安排。
平行和并发
并行性
并行：同时指的是两个或多个事件（或线程），同时，在实际意义上同时在不同的CPU资源上同时（Multi -core），不同的事件或线程，并同时执行。
特征
并发
在几个渠道程序（或线程）之间以多种原因指出物理CPU（也是多个物理CPU），并且该公司被迫行使多用户共享以提高物理资源以提高效率。
特征
Multiprocess.prcess模块
该过程模块是创建过程的模块。使用此模块，可以完成该过程的创建。
该类别获得的对象指示子过程中的任务（未启动）。
注意：1。必须使用关键字方法来指定参数；2. ARGS指定传递给目标函数的位置参数。这是一种正式的祖先形式，必须具有逗号。
参数简介：
组：未使用参数，默认值无。
目标：表示子过程要执行的任务。
args：指示呼叫的位置参数。
Kwargs：指示呼叫对象的字典。例如kwargs = {'name'：jack，'age'：18}。
名称：子过程名称。
代码：
除了上述打开该过程的方法外，还可以通过继承该过程来启动该过程：
通过上述研究，我们尽了最大的努力来实现该程序的异步，因此可以在多个过程中处理多个任务。他们之间的操作没有订单，一旦打开，它就不会由我们控制。尽管并发编程使我们能够完全使用IO资源，但它也带来了我们的新问题。
当多个进程使用相同的数据资源时，它将导致数据安全性或顺序混淆。我们可以考虑锁定。我们以模拟票证抓取作为示例，以查看数据安全的重要性。
当锁定可以确保多个进程修改相同的数据时，只能同时修改一个任务，即串行修改。
因此，我们最好找到一个解决方案以考虑到这两者：1。高效率（多个过程共享一个内存数据）2。帮助我们解决锁定问题。
由MutiProcessing模块提供的基于消息的IPC通信机制：队列和管道。队列和管道是根据（管道+锁）实现的，以将数据存储在内存中，这可以使我们摆脱复杂的锁定问题。我们应该尝试避免使用共享数据，使用消息传输和排队尽可能多，排队队列，避免处理复杂的同步和锁定问题，以及当过程数量增加时，通常可以获得更好的展览性（随后的扩展。这个内容）。
线
Python的线程模块
Python为多线程编程提供了几个模块，包括线程，线程和队列。线程和线程模块允许程序员创建和管理线程。线程模块提供基本的线程和锁定支持，并且线程提供更高的级别，更具功能性的线程管理功能。队列模块允许用户创建一个队列数据结构，该结构可用于在多个线程之间共享数据。
Python创建和执行线程
创建线程代码
1.创建方法1：
2.创建方法2：
流程和线程是实现多个任务的一种方法，例如：多个QQ（进程）可以同时在同一台计算机上运行，并且一个QQ可以打开多个聊天窗口（线程）。回库共享：该过程不能为共享，使用线程共享过程的地址空间和其他资源。同时，该线程具有自己的堆栈和堆栈指针。因此，过程中的所有线程共享全局变量，但是通过多线程进行的全局变量的变化可能会导致变量混淆。
代码演示：
结果是：
需要清楚的第一件事是，吉尔不是python的特征。这是实现Python Parser（CPYTHON）时引入的概念。就像C ++是一组语言（语法）标准，但可以通过不同的编译器将其编译到可执行的代码中。可以通过不同的Python执行相同的代码执行环境，例如cpython，pypy，psyco（jpython中没有吉尔（Jpython）的吉尔（Jpython）。
那么Cpython实施中的GIL是什么？吉尔的全名全球口译员锁以避免误导，让我们看一下官方解释：
主要含义是：
因此，解释器实际上受到全局解释器锁的保护，它可以确保任何时候只有一个python线程。在多线程环境中，python虚拟机被执行如下：
由于GIL的存在，Python的多线程不能称为严格的多线程。由于在执行多个线程期间，每个线程都需要首先获得GIL，因此可以保证只有一个线程同时运行。
由于GIL的存在，即使它是多线程，实际上，同一时间也只有一个线程。由于此多线程线程的工作效率与单个线程不同，为什么您仍然需要使用多线程？
由于先前的计算机基本上是单个核心CPU，因此多线程和单线线程几乎看不到差异。但是，由于计算机的快速开发，计算机几乎是所有多核CPU，至少是两个内核。目前，差异是差异。目前，差异是差异。它出现了：通过以前的情况，我们已经知道，即使在多核CPU中，多线程线程也只有一个线程。这不仅不能使用多核CPU的优势，而且由于在多个CPUSE上的多个CPU上都在多个CPU上交替使用多个CPU，因此在打开不同的CPU时会导致浪费资源。锁定一个过程。当执行多个线程时，GIL锁将在内部加扰，这将导致CPU在未抓取某个线程时等待，然后不能合理使用多核。CPU资源。
但是，当使用多线程捕获网页的内容时，遇到IO阻塞时，该线程将临时释放GIL锁。目前，其他线程将使用此差距时间来执行自己的代码。因此，grassing性能很好，因此我们仍然需要使用多线程。
吉尔对多载计划的影响
该程序的性能受到计算的致密类型（CPU）和I/O -dense程序限制的过程限制的影响。那么，计算密集和i/o浓度程序是什么？
计算致密类型：大量数值计算，例如数亿个数字计算，计算外围率，视频的高定义解码等等。主要时间在任务切换时期花费。目前，CPU执行任务相对较低。
IO密集型类型：涉及网络请求（time.sleep（））和磁盘IO任务是IO密集型任务。此类任务的特征是CPU消耗量，大多数任务都在等待IO操作（因为IO的速度远低于CPU和内存的速度）。对于IO强度，任务越多，越高，越高CPU效率，但也有一个极限。
当然，为了防止GIL影响我们的程序，我们也可以使用线程锁。
Lockrlock
公共资源共享锁定机制：锁，RLOCK，SEMPHORE，状况等，只需为每个人共享锁和RLOCK。
锁
特征是执行速度很慢，但是保证了数据的安全性
Rlock
不当使用锁定代码将产生死锁。
什么是死锁
死锁：当线A持有独家锁A并尝试获得独家锁B时，线程B持有独家锁B并试图获得独家锁A.与另一方所需的锁以及发生的阻塞现象，我们称其为致命。也就是说，死锁指的是由于竞争资源而导致的多个过程造成的僵局。如果没有外力，这些过程将无法向前发展。
因此，请注意如何在系统设计和过程计划方面预防这四个必要条件，即如何确定资源的合理分配算法以避免永久占据系统资源。
僵局代码
python线程交流
如果每个线程都完成，则不需要通信，并且此代码非常简单。但这通常是不可能的。至少线程应与主线程通信，否则无法检索计算结果的内容。实际情况非常复杂，需要交换多个线程以获得正确的执行结果。
Python中的队列是提供线路通信机制的消息队列。Python3被命名为队列，队列模块下提供了几个阻止队列。这些队列主要用于实现线程通信。
在队列模块下，主要提供三个类别，代表三个队列。它们之间的主要区别是队列和队列的差异。
简单的代码演示
目前，代码将被阻止，因为队列中的内容已满。目前，您可以在第四个队列后面添加超时。put（'苹果'），并且将其变为Queue.put（'Apple'，超时= 1），如果您等待1秒钟，铃铛仍然已满，并且会抛出例外并可以捕获异常。
以同样的方式，如果队列为空，则默认情况下将被阻止。如果不阻止它，则可以使用queue.get_nowait（）。
掌握了队列阻止队列的特征后，您可以使用队列在以下程序中实现线程通信。
以下证明了生产者和消费者。当然
使用队列模块在线程之间进行通信并确保线程安全性。
Coroutine
理事会，也称为Micro -thread，纤维。英语名称Coroutine。
Coroutine是在Python中实现多个任务的另一种方法，但是它占用比线程较小的执行单元（理解为必要的资源）。为什么它是执行单元，因为它具有CPU上下文。在合适的时间，我们可以将一个Coroutine切换到另一个Coroutine。
大众理解：在一个线程中的一个函数中，您可以在任何地方保存一些当前功能的临时变量和其他信息，然后切换到另一个函数以执行。请注意，这不是通过调用功能和切换来完成的。开发人员本身切换原始功能的次数和何时。
当实现多任务时，线程切换比从系统级别中保存和恢复CPU上下文要简单得多。操作系统具有CACH和其他数据，以供程序操作效率。操作系统还将帮助您完成这些数据的恢复操作。因此，线程的切换非常消耗。但是，Coroutine的切换仅仅是CPU的上下文，因此在第二秒内切换数百万个系统具有抗性。
Greenlet和Gevent
为了更好地使用Coroutine来完成多任务处理，除了使用本机产量完成模拟Coroutine的工作外，实际上，Greenlet模块和Python的Gevent模块也使Coroutine的实现更加多简单有效。
尽管Greenlet实现了Coroutine，但它要求我们手工切换。这太麻烦了。Gevent是一个比Greenlet强大的模块，可以自动切换任务。
原则是当绿色遇到IO（参考输入输出输入和输出，例如网络，文件操作等）操作（例如访问网络），自动切换到其他绿色，等待直到IO操作完成，然后在适当的时代开关继续执行。
仿真时间 - 耗费操作：
如果您还可以用时间耗费的操作替换它，则目前需要修补GEVENT中实现的模块。
使用简单的第二手房屋信息的校正来使用校正！
以下文章来自Python专栏，作者歌曲和歌曲
文章链接：
结论：以上是首席CTO注释为每个人编译的Python线程的相关内容的适当内容。希望它对您有所帮助！如果您解决了问题，请与更多关心此问题的朋友分享?