时间戳

首页 > 解决方案 > 为什么程序执行时间和以前一样？

python - 为什么程序执行时间和以前一样？

问题描述

由于某种原因，执行时间仍然与没有线程的情况相同。

但是，如果我添加类似的东西，time.sleep(secs)那么目标 def 内的工作显然是线程化的d。

def d(CurrentPos, polygon, angale, id):

    Returnvalue = 0
    lock = True
    steg = 0.0005
    distance = 0
    x = 0
    y = 0

    while lock == True:
        x = math.sin(math.radians(angale)) * distance + CurrentPos[0]
        y = math.cos(math.radians(angale)) * distance + CurrentPos[1]
        Localpoint = Point(x, y)
        inout = polygon.contains(Localpoint)
        distance = distance + steg
        if inout == False:
            lock = False

    l = LineString([[CurrentPos[0], CurrentPos[1]],[x,y]])
    Returnvalue = list(l.intersection(polygon).coords)[0]
    Returnvalue = calculateDistance(CurrentPos[0], CurrentPos[1], 
    Returnvalue[0], Returnvalue[1])

    with Arraylock:
        ReturnArray.append(Returnvalue)
        ReturnArray.append(id)



def Main(CurrentPos, Map):

    threads = []
    for i in range(8):
        t = threading.Thread(target = d, name ='thread{}'.format(i), args = 
        (CurrentPos, Map, angales[i], i))
        threads.append(t)
        t.start()
    for i in threads:
        i.join()

标签： pythonpython-multithreading

解决方案

欢迎来到Global Interpreter Lock aka GIL的世界。您的函数看起来像是受 CPU 限制的代码（一些计算、循环、ifs、内存访问等）。抱歉，您不能使用线程来提高 CPU 绑定任务的性能。这是 Python 的限制。

Python 中有一些释放 GIL 的函数，例如磁盘 i/o、网络 i/o 以及您实际尝试过的一个：sleep。事实上，线程确实提高了 i/o 绑定任务的性能。但是算术和/或内存访问不会在 Python 中并行运行。

标准的解决方法是使用进程而不是线程。但这通常是痛苦的，因为进程间通信并不那么容易。您可能还想考虑使用一些低级库，例如在某些情况下实际发布 GIL 的 numpy（您只能在 C 级别执行此操作，GIL 无法从 Python 本身访问）或使用其他没有此限制的语言，例如 C#， Java、C、C++ 等。

推荐阅读