關(guān)于python不能真正多線程問題解析

　　多線程，是指從軟件或者硬件上實現(xiàn)多個線程并發(fā)執(zhí)行的技術(shù)。具有多線程能力的計算機因有硬件支持而能夠在同一時間執(zhí)行多于一個線程，進而提升整體處理性能。具有這種能力的系統(tǒng)包括對稱多處理機、多核心處理器以及芯片級多處理（Chip-level multithreading）或同時多線程（Simultaneous multithreading）處理器。在一個程序中，這些獨立運行的程序片段叫作“線程”（Thread），利用它編程的概念就叫作“多線程處理（Multithreading）”。具有多線程能力的計算機因有硬件支持而能夠在同一時間執(zhí)行多于一個線程（***譯作“執(zhí)行緒”），進而提升整體處理性能。

　　寫python多線程的時候，用了幾個測試的程序，分別是遞歸方法求斐波那契數(shù)的值。分別采用單線程一個一個執(zhí)行的方法和采用多線程調(diào)用的方法。觀察所用的時間基本上差不多的。

　　然后我在每個函數(shù)內(nèi)部加入sleep（）函數(shù)以后，分別讓它們睡零點幾秒鐘。這樣一來，明顯多線程執(zhí)行所用的時間要少很多。

　　這時我突然好奇，想看看在用python多線程執(zhí)行的時候，是否可以利用CPU多個核心呢？我的筆記本是i3處理器，雙核，4線程（我至今不知道這里所指的4線程具體是什么意思，之前和老師交流過，猜測可能是在硬件上做了像我們軟件執(zhí)行的時候的躲進程這樣類似的東西，但是不確定），反正在我的系統(tǒng)下的系統(tǒng)監(jiān)視器里面可以看到有4個核的利用率頻線。我就觀察這種曲線的變化方式：當(dāng)我每一個都是單線程地運行的時候。顯示的畫面中有一個CPU爆滿；但是在多線程運行的時候，是每一個利用一些。

　　下面是系統(tǒng)監(jiān)視器顯示情況：

　　這是運行時間對比：

　　顯然多線程運行的時候時間反而長了很多，雖然有上下文切換的時間損耗，但是若是能夠利用多核的話也不至于那么慢，另外由系統(tǒng)監(jiān)視器可以看出多線程的時候也沒有把各個核利用率達到很高的一個水平。所以當(dāng)時推斷python的多線程并沒有很多的利用多核CPU，其實之前也有聽說過python對于多核CPU支持是個缺陷，現(xiàn)在是有真的體會，但是我只是憑自己的小實驗，也不能有很打保證啊，也只是猜測，后來翻了一下《python參考手冊》發(fā)現(xiàn)有這么一句話，看來是真的證實了我自己的猜想?。。?！

　　盡管是很低級的問題，但是對于初學(xué)的我來說，還是有很大的喜悅的。

　　下面是實驗的代碼：

　　fab.py：

　　# -*- coding： utf-8 -*-

　　from myThread import MyThread

　　from time import ctime

　　from time import sleep

　　import sys

　　def fib（x）：

　　# sleep（0.005）

　　if x《2:return 1

　　return （fib（x-2） + fib（x-1））

　　def fac（x）：

　　# sleep（0.05）

　　if x《2:return 1

　　return （fac（x-2）+fac（x-1））

　　def sum（x）：

　　# sleep（0.05）

　　if x《2:return 1

　　return （sum（x-2）+sum（x-1））

　　funcs = ［fib，fac，sum］

　　n = 35

　　def main（）：

　　nfuncs = range（len（funcs））

　　sys.stdout.write（‘***SINGLE THREAD\n’）

　　for i in nfuncs：

　　sys.stdout.write（‘starting %s at： %s\n’ %（funcs［i］.__name__，ctime（）））

　　print funcs［i］（n）

　　sys.stdout.write（“%s finished at： %s\n”% （funcs［i］.__name__，ctime（）））

　　sys.stdout.write（‘\n***MULTIPLE THREADS\n’）

　　threads = ［］

　　for i in nfuncs：

　　t = MyThread（funcs［i］，（n，），funcs［i］.__name__）

　　threads.append（t）

　　for i in nfuncs：

　　threads［i］.start（）

　　for i in nfuncs：

　　threads［i］.join（）

　　print threads［i］.getResult（）

　　sys.stdout.write（‘a(chǎn)ll done\n’）

　　if __name__ == ‘__main__’：

　　main（）

　　myThread.py：

　　import threading

　　from time import ctime

　　import sys

　　class MyThread（threading.Thread）：

　　def __init__（self，func，args，name=‘’）：

　　threading.Thread.__init__（self）

　　self.name = name

　　self.func = func

　　self.args = args

　　def getResult（self）：

　　return self.res

　　def run（self）：

　　sys.stdout.write（“starting %s at： %s\n” % （self.name，ctime（）））

　　self.res = apply（self.func，self.args）

　　sys.stdout.write（“%s finished at： %s\n” % （self.name，ctime（）））