Comment le module « threading » et « ThreadPool » de Python peuvent-ils améliorer l'efficacité des tâches ?

Multithreading en Python : un exemple étape par étape

Pour allouer des tâches sur plusieurs threads en Python, le module de threading offre des fonctionnalités puissantes . Cet exemple montre comment diviser efficacement les tâches :

Multithreading avec map et pool

Les versions modernes de Python (introduites après 2010) offrent une approche multithread simplifiée utilisant map et pool. Par exemple, pour appliquer la fonction my_function à chaque élément du tableau my_array en parallèle, utilisez le code suivant :

from multiprocessing.dummy import Pool as ThreadPool
pool = ThreadPool(4)
results = pool.map(my_function, my_array)

Concepts de base :

Fonction Map :

• map prend deux arguments : une fonction à appliquer (my_function) et une séquence (my_array) à traiter.
• Il parcourt la séquence, applique la fonction à chaque élément et renvoie une liste des résultats.

Thread Pool :

• ThreadPool gère un pool de threads de travail.
• En spécifiant le nombre de threads (par exemple, 4), il crée autant de threads parallèles pour exécuter les tâches.

Description :

Cette implémentation multithread exploite les capacités efficaces de map pour appliquer la fonction à chaque élément simultanément. En créant un pool de threads, il répartit les tâches entre plusieurs threads, réduisant considérablement le temps d'exécution des opérations qui ne sont pas liées aux E/S.

Multitraitement vs multithreading :

Notez que pour les tâches gourmandes en CPU, l'utilisation du multitraitement avec plusieurs processus est plus adaptée, tandis que le multithreading avec des threads est meilleur pour les E/S liées. tâches.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!