Python 中的线程需要更长的时间而不是使其更快？

Question

我编写了 3 个不同的代码来比较有线程和没有线程。基本上测量通过使用线程节省了多少时间，结果没有任何意义。

这是我的代码：

 import time



def Function():

    global x 
    x = 0

    while x < 300000000:
        x += 1
    print x

e1 = time.clock()
E1 = time.time()

Function() 

e2 = time.clock()
E2 = time.time()

print e2 - e1
print E2 - E1 

当我运行这个时，我得到以下输出：

26.6358742929

26.6440000534

然后我编写了另一个函数，如下所示，将计数到 3 亿拆分为计数 3、1 亿：

 import time




def Function():

    global x 
    x = 0

    while x < 100000000:
        x += 1
    print x

def Function2():

    global x 
    x = 0

    while x < 100000000:
        x += 1
    print x       


def Function3():

    global x 
    x = 0

    while x < 100000000:
        x += 1
    print x 

e1 = time.clock()
E1 = time.time()

Function() 
Function2() 
Function3() 

e2 = time.clock()
E2 = time.time()

print e2 - e1
print E2 - E1   

以下函数的输出是：

26.0577638729

26.0629999638

最后我创建了 3 个线程并在单个线程上运行每个函数：

import time
import threading

e1 = time.clock()
E1 = time.time()

def Function1():

    global x 
    x = 0

    while  x < 100000000:
        x += 1
    print x


def Function2():

    global x 
    x = 0

    while x < 100000000:
        x += 1
    print x    


def Function3():

    global x 
    x = 0

    while x < 100000000:
        x += 1
    print x    



new_thread1  = threading.Thread(target = Function1() , args = ())

new_thread2  = threading.Thread(target = Function2(), args = ())

new_thread3  = threading.Thread(target = Function3(), args = ())


e1 = time.clock()
E1 = time.time()

new_thread1.start()
new_thread2.start()
new_thread3.start()

e2 = time.clock()
E2 = time.time()

print e2 - e1
print E2 - E1 

这个的输出是：

0.000601416222253

0.0

这些数字对我来说毫无意义。我只是想测量线程为我节省了多少时间。我查阅了文档并使用了 time.time 它time.clock，这对我来说很有意义，但在这里没有意义。此外，第一个和第二个片段的实际时间约为 10 秒，第三个片段的实际时间约为 5 秒

Answer 1

你叫错了......

 new_thread1  = threading.Thread(target = Function1 , args = ())

请注意，创建线程时不应调用该函数

这些计时实际上没有任何意义，它们本质上都是零，因为您所计时的只是 3 个即时返回函数调用来启动

请注意，要获取输出，您需要等待每个线程完成（因为您当前的代码不执行此操作）

编辑以获取更多信息

使用线程，您一次被 gil 锁定到一个 python 指令...通常这不是问题，因为您通常在磁盘 io 上等待...在您的示例代码中，但它是 100% 计算，因此线程确实没有改善你的时间...多重处理可能如下所示

import time
import threading
import multiprocessing

def fn():
    '''since all 3 functions were identical you can just use one ...'''
    x = 0
    while  x < 100000000:
        x += 1
    



def TEST_THREADS():
    new_thread1  = threading.Thread(target = fn , args = ())
    new_thread2  = threading.Thread(target = fn, args = ())
    new_thread3  = threading.Thread(target = fn, args = ())
    new_thread1.start()
    new_thread2.start()
    new_thread3.start()
    new_thread1.join()
    new_thread2.join()
    new_thread3.join()

def TEST_NORMAL():
    fn()
    fn()
    fn()
    
def TEST_MULTIPROCESSING():
    new_thread1  = multiprocessing.Process(target = fn , args = ())
    new_thread2  = multiprocessing.Process(target = fn, args = ())
    new_thread3  = multiprocessing.Process(target = fn, args = ())
    new_thread1.start()
    new_thread2.start()
    new_thread3.start()
    new_thread1.join()
    new_thread2.join()
    new_thread3.join
if __name__ == "__main__":  
    '''It is very important to use name == __main__ guard code with threads and multiprocessing'''
    import timeit
    print "Time to Run 1x: %0.2fs"%(timeit.timeit(fn,number=1),)
    print "NORMAL:%0.2fs"%(timeit.timeit(TEST_NORMAL,number=1),)
    print "Threaded: %0.2fs"%(timeit.timeit(TEST_THREADS,number=1),)
    print "Multiprocessing: %0.2fs"%(timeit.timeit(TEST_MULTIPROCESSING,number=1),)

我得到以下输出

Time to Run 1x: 3.71181102665
NORMAL:11.0136830117
Threaded: 23.392143814
Multiprocessing: 3.80878260515