Bagaimanakah Modul `threading` Python dan `ThreadPool` Dapat Meningkatkan Kecekapan Tugas?

Multithreading dalam Python: Contoh Langkah demi Langkah

Untuk memperuntukkan tugas merentasi berbilang thread dalam Python, modul threading menyediakan keupayaan berkuasa . Contoh ini menunjukkan cara membahagikan tugas dengan cekap:

Berbilang benang dengan peta dan kumpulan

Versi Python Moden (diperkenalkan selepas 2010) menawarkan pendekatan berbilang benang yang dipermudah menggunakan peta dan kumpulan. Contohnya, untuk menggunakan fungsi my_function pada setiap elemen dalam tatasusunan my_array secara selari, gunakan kod berikut:

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

Konsep Teras:

Fungsi Peta:

• peta mengambil dua hujah: fungsi untuk digunakan (my_function) dan jujukan (my_array) untuk diproses.
• Ia berulang melalui jujukan, menggunakan fungsi pada setiap elemen dan mengembalikan senarai keputusan.

Thread Pool:

• ThreadPool menguruskan kumpulan pekerja benang.
• Dengan menyatakan bilangan utas (cth., 4), ia menghasilkan banyak urutan selari untuk melaksanakan tugas.

Penerangan:

Pelaksanaan berbilang benang ini memanfaatkan keupayaan peta yang cekap untuk menggunakan fungsi pada setiap elemen serentak. Dengan mencipta himpunan benang, ia mengagihkan tugas antara berbilang benang, mengurangkan masa pelaksanaan dengan ketara untuk operasi yang tidak terikat I/O.

Pemprosesan Berbilang lwn. Pemprosesan Berbilang:

Perhatikan bahawa untuk tugas intensif CPU, menggunakan berbilang pemprosesan dengan berbilang proses adalah lebih sesuai, manakala berbilang benang dengan benang adalah lebih baik untuk tugasan berkaitan I/O.

Atas ialah kandungan terperinci Bagaimanakah Modul `threading` Python dan `ThreadPool` Dapat Meningkatkan Kecekapan Tugas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!