简介：许多朋友询问与Python的多线程线程有关的有多少个问题。本文的首席CTO笔记开始为您的参考做出详细的答案。我希望这对每个人都会有所帮助！让我们一起看看！
好的。
Python多线程
多线程类似于同时执行多个不同程序。多线程具有以下优点：
使用线程可以将任务放在延长的程序中，以应对。
用户界面可能更具吸引力。例如，如果用户单击按钮触发某些事件的处理，则可以弹出进度条以显示处理进度
程序的运行速度可能会加速
在某些等待的任务中，例如用户输入，文件读取和写作以及网络接收数据，线程更有用。在这种情况下，我们可以发布一些宝贵的资源，例如内存职业等。
线程与执行过程中的过程仍然不同。每个独立进程具有程序的入口，序列执行序列和程序的退出。申请的应用。
每个线程都有自己的一组CPU寄存器，称为线程的上下文。上下文反映了上次运行该线程的CPU寄存器的状态。
指令指针和堆栈指针寄存器是线程上下文中最重要的两个寄存器。线程始终在上下文中运行。这些地址用于在线程的过程地址空间中签名内存。
线程可以扣押（中断）。
当其他线程运行时，线程可以暂时搁置（也称为睡眠） - 这是线程的特许权。
python multi -process，同一时间，有几个线程运行
通常是一个，因为没有真实的多线程线程，但是在多线程中很快切换
如前所述，为什么建议使用Python使用多流程而不是多线程，但是多过程也有其自己的限制：与线程更大和切换时间相比，在Python的多过程中，流程的数量不建议超过CPuthe核心号（一个过程仅一个GIL，因此一个过程只能运行CPU），因为当过程占据CPU时，一个过程可以充分利用机器的性能，但是会有在此过程中频繁切换过程，但这将是毫无价值的。
但是，在特殊情况下（特别指的是IO密集型任务），多线程比多过程更好。
例如：给您200W URL，您需要抓住与每个URL相对应的页面。目前，仅使用多个过程，效果绝对是不好的。为什么？
例如，每个请求的等待时间为2秒，然后是以下内容（忽略CPU计算时间）：
1.单个过程+单线程：需要2秒*200W = 400W秒== 1111.11小时== 46.3天，显然是不可接受的
2.单个过程+多线程：例如，我们在此过程中打开了10个多线程，与1相比，它可以增加10倍，即约4.63天可以完成200W的爬网。请注意，这里的实际执行是实际执行在这里。：线程1遇到阻塞，CPU开关到线程2进行执行，遇到阻塞并切换到线程3等。在10个线程被阻止后，过程被阻止。执行操作，因此速度可以提高约10次（在这里，由于线程切换引起的开销，实际上不应是10次），但是有必要考虑切换的切换该线程也可以预期，因此有一个开销，Socan不会启动多线程（200W线程绝对不可靠）
3. Multi -Processes+Multi -threads：在这里真是太神奇了。一般而言，许多人使用这种方法。在多进程下，每个过程都可以占据CPU，并且多线程螺纹绕过等待在一定程度上的阻塞。因此，它比单个过程中的多线程线更好。例如，我们在每个过程中打开10个过程和20W线程。它是10次以上，而不是10次，主要是因为CPU开关200W线程消耗绝对比20W过程大得多，考虑到这部分费用，因此它超过10次）。
有更好的方法吗？答案是肯定的，是：
4.理事会，让我们谈谈在使用它之前什么/为什么/如何/为什么/为什么使用它/如何使用它）
什么：
理事会是一个用户级别的轻量级线程。Coroutine具有自己的寄存器上下文并堆叠。当Coroutine调度和切换时，将寄存器上下文保存并堆叠到其他地方。缩短时，还原先前保存的寄存器上下文并堆栈。
Coroutine可以保留先前呼叫的状态（即所有当地状态的特定组合）。每次重新输入该过程时，它等同于输入最后一个呼叫的状态。
在并发编程中，Coroutine类似于线程。每个Coroutine代表一个具有自己本地数据的执行单元，并与其他Coroutines共享全局数据和其他资源。
FAL：
目前，主流语言基本上选择了多线程作为并发设施。线程相关概念的概念是抓住Premptive多任务处理，而协作多任务与Coroutine有关。
无论是过程还是线程，每次被阻止或切换时，都需要在系统调用（系统调用）中捕获，首先让CPU运行操作系统调度程序，然后计划计划程序决定哪个过程（线程）应运行。
而且，由于夺取计划执行的顺序的特征，在使用线程时，有必要非常仔细地处理同步问题，并且根本没有这样的问题（事件驱动程序和异步程序具有相同的优势）。
因为Coroutine是用户本身编写调度逻辑的用户，因此对于CPU，Coroutine实际上是一个线程，因此CPU无需考虑如何安排，切换上下文，这消除了CPU切换在上面的上空，因此在确定性上可以肯定的是，它比多线程更好。
如何：
如何在Python中使用Coroutines？答案是使用Gevent，如何使用：请参阅此处
使用公司不能受到线程开销的限制。我试图一次将20W URL放入一次过程中。这完全很好。
因此，最建议的方法是多进程+coroutine（可以在每个过程中视为单个线程，并且该单个线程被纠正）
在多个流程+Coroutines下，CPU开关开销已被避免，并且可以使用多个CPU来充分利用它。对于具有大量数据和文件读写的爬行动物的效率，此方法是巨大的。
尖端：
[python]查看普通副本
＃ - * - 编码= UTF-8 - * -
导入请求
从多处理导入过程
进口Gevent
来自Gevent Import Monkey；monkey.patch_all（）
导入系统
重新加载（系统）
sys.setdefaultencoding（'utf8'）
def提取（url）：
尝试：
s = requests.session（）
r = s.get（url，timeout = 1）＃在这里抓取页面
除例外，E：
打印e
返回 '??'
def Process_start（url_list）：
任务= []
对于URL_LIST中的URL：
tasks.append（gevent.spawn（fetch，url））
gevent.joinall（任务）#use coroutine执行
def task_start（filepath，flag = 100000）：＃启动每个10W URL的进程
使用开放（filepath，'r'）作为读取器：＃＃从给定文件中读取URL
url = reader.readline（）。条 （）
url_list = []＃该列表用于存储公司任务
i = 0＃计数器，在公司队列中添加了多少个URL
url！=''：
i+= 1
url_list.append（url）＃each阅读URL，将URL添加到队列中
如果i == flag：＃a某些URL数量启动一个进程并执行
p = process（target = process_start，args =（url_list，））
p.start（）
url_list = [] #reset url队列
i = 0＃重置计数器
url = reader.readline（）。条 （）
如果url_list不[]：＃如果您退出循环，则在任务队列中仍然有URL的剩余
p = process（target = process_start，args =（url_list，））＃
p.start（）
如果__name__ =='__ main __'：
task_start（'https://www.shouxicto.com/article/testdata.txt')
仔细的同学会发现上面的示例隐藏了一个问题：随着URL数量的增加，过程的数量将继续增加。我们不使用流程池多处理。池在这里控制过程的数量。气味有冲突，不能同时使用，但是感兴趣的学生可以研究gevent.pool coroutine pool。
共有20个线程
如果执行订单，它可能会互相交叉，并且不得按顺序执行
还要注意Python的线程有时称为伪线
什么，Python线程太慢，想使用Greenlet，快速，很方便编写。
如果锁同步，则可以减慢线程。
ulimit -s返回线程堆栈的大小，我的默认值为8192，并且通过删除内存的大小来获得线程的理论数。
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
结论：以上是首席执行官注释编写的Python多线多线的内容。感谢您花时间阅读此网站。我希望这对您有帮助。更多关于可以在此站点上找到多少python多线程。