免费1级做爰片观看网站在线视频,桂林山水甲天下,网站建设的实践报告,网络营销的策划流程目录概念介绍测试环境开始测试测试【单进程单线程】测试【多进程 并行】测试【多线程 并发】测试【协程 异步】结果对比绘图展示概念介绍首先简单介绍几个概念#xff1a;进程和线程进程就是一个程序在一个数据集上的一次动态执行过程(数据集是程序在执行过程中所需要使用的资…目录概念介绍测试环境开始测试测试【单进程单线程】测试【多进程 并行】测试【多线程 并发】测试【协程 异步】结果对比绘图展示概念介绍首先简单介绍几个概念进程和线程进程就是一个程序在一个数据集上的一次动态执行过程(数据集是程序在执行过程中所需要使用的资源)。线程也叫轻量级进程它是一个基本的 CPU 执行单元是比进程更小的能独立运行的基本单位。进程和线程的关系一个线程只能属于一个进程而一个进程可以有多个线程但至少有一个线程。资源分配给进程同一进程的所有线程共享该进程的所有资源。CPU 分给线程即真正在 CPU 上运行的是线程。并行和并发并行处理是计算机系统中能同时执行两个或更多个处理的一种计算方法。并行处理可同时工作于同一程序的不同方面其主要目的是节省大型和复杂问题的解决时间。并发处理指一个时间段中有几个程序都处于已启动运行到运行完毕之间且这几个程序都是在同一个 CPU 上运行但任一个时刻点上只有一个程序在 CPU 上运行。并发的关键是你有处理多个任务的能力不一定要同时。并行的关键是你有同时处理多个任务的能力。所以说并行是并发的子集。多进程是并行的多线程是并发的。同步和异步同步就是指一个进程在执行某个请求的时候若该请求需要一段时间才能返回信息那么这个进程将会一直等待下去直到收到返回信息才继续执行下去。异步是指进程不需要一直等下去而是继续执行下面的操作不管其他进程的状态。当有消息返回时系统会通知进程进行处理这样可以提高执行的效率。举个例子打电话时就是同步通信发短息时就是异步通信。测试环境进行对比测试之前我们先来创建一个合适的实验环境模拟一个需要等待一定时间才可以获取返回结果的网页。如果直接用百度、CSDN 等站点的话一方面响应太快、难以看出各种方法的差距另一方面响应速度会受网速影响、每次发送请求获取响应所需的时间不完全一致导致重复实验结果差距较大所以在此用 Flask 模拟一个本地慢速服务器。flask_server.py 代码如下from flask import Flask # pip install flaskimport timeapp Flask(__name__)app.route(/)def index():time.sleep(3) # 休眠 3 秒再返回结果return Hello!if __name__ __main__:app.run(threadedTrue) # 以多线程模式启动服务启动之后Flask 服务默认在 127.0.0.1:5000 上运行控制台输出结果如下* Serving Flask app flask_server (lazy loading)* Environment: productionWARNING: Do not use the development server in a production environment.Use a production WSGI server instead.* Debug mode: off* Running on http://127.0.0.1:5000/ (Press CTRLC to quit)在浏览器中访问 http://127.0.0.1:5000/ 等待 3 秒即会出现 Hello! 页面表明简单的慢速服务器搭建完成开始测试首先导入需要的模块以请求 10 次为例准备 urls再定义一个 get_html_text() 函数import requestsimport time# 用于多进程from multiprocessing import Process# 用于多线程from threading import Thread# 用于协程异步import asyncioimport aiohttp # pip install aiohttpurls [http://127.0.0.1:5000 for _ in range(10)]def get_html_text(url):response requests.get(url)return response.text测试【单进程单线程】start time.time()for url in urls:result get_html_text(url)print(result)end time.time()print(【单进程单线程】耗时%s 秒 %(end - start))结果如下Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!【单进程单线程】耗时30.15605854988098 秒测试【多进程 并行】start time.time()processes []for url in urls:p Process(targetget_html_text, args(url,))processes.append(p)p.start()for p in processes:p.join()print(Hello!)end time.time()print(【多进程 并行】耗时%s 秒 %(end - start))结果如下(测试电脑为 4 核 CPU核心数越大加速越明显)Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!【多进程 并行】耗时5.511234283447266 秒测试【多线程 并发】start time.time()threads []for url in urls:t Thread(targetget_html_text, args(url,))threads.append(t)t.start()for t in threads:t.join()print(Hello!)end time.time()print(【多线程 并发】耗时%s 秒 %(end - start))结果如下Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!【多线程 并发】耗时3.030653953552246 秒测试【协程 异步】# 因为 requests 模块不支持异步操作需要借助 aiohttp 模块async def get_html_text_async(url):async with aiohttp.ClientSession() as session:async with session.get(url) as response:text await response.text()return textstart time.time()tasks [asyncio.ensure_future(get_html_text_async(url)) for url in urls]loop asyncio.get_event_loop()loop.run_until_complete(asyncio.wait(tasks))for task in tasks:print(task.result())end time.time()print(【协程 异步】耗时%s 秒 %(end - start))结果如下Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!Hello!【协程 异步】耗时3.046288251876831 秒结果对比len(urls)1:单进程单线程3。0078秒多进程 并发 3.83秒多线程并发3.0073秒携程异步3.0133len(urls)4:单进程单线程12秒多进程 并发 4秒多线程并发3.01秒携程异步3.02秒len(urls)10:单进程单线程30.1秒多进程 并发 5.5秒多线程并发3.030秒携程异步3.046秒len(urls)100:单进程单线程301.10秒多进程 并发 23.81秒多线程并发3.15秒携程异步3.19秒
