介绍
当我们谈论编码时，我们通常会考虑以同步方式编写代码。 很明显，我们听说人脑在专注于一项任务时工作得很好。 我不会说编写同步代码是次要的（尤其是对于菜鸟）是巧合。
同步代码一直是流行的并且仍然是编写代码的首选方式，因为它具有以下几个优点：
- 容易明白
- 更容易写。
- 无需考虑在多个进程/线程/调用之间共享的资源。
- 没有对僵局的威胁（那些不眠之夜）。
但是，同步代码很慢。 他们阻止执行连续的орerаtiоns，直到处理下的任务完成。
Web 服务预计会在几百毫秒或最多 5 秒内给出响应，以获得良好的用户体验。 庞大的机器学习模型需要处理数千兆字节的数据，而这些模型并不是一蹴而就的； 有多次迭代。
那么我们有哪些选择呢？
的范式 异步 在这种情况下，编程就派上用场了。 异步程序不等待代码执行，而是跳转到另一个任务并开始执行它（嗯，并非总是如此，但你明白了?）。
异步调用是由 раllel соmрuting 形成的，其中一个单元оf tаsk 从主要的аррliсаtiоn 线程单独运行，并通知调用线程它的соmрletiоn，失败，оr рrоgress。
让我们慢慢来。 我们将把这个主题分成两篇单独的文章来掌握这些主题。
让我们谈谈 Python How To
在这里，我们将讨论多处理和多线程方法。
多处理
通常，应用程序运行一个进程来执行任何任务，因此称为 单处理器 系统或应用程序。
然而，强大的 python 为我们提供了一个并行运行多个进程的选项。 这是什么意思？
考虑打开两个 python 终端并在其上运行代码，可以在一个终端上执行而无需等待另一个终端。
from multiprocessing import Process import os import time import random def getProcessInfo(title): print(title) print('module name:', __name__) print('parent process:', os.getppid()) print('process id:', os.getpid()) print('n') def printOne(n: int = 10): getProcessInfo('printOne Function Info') for _ in range(n): time.sleep(random.randint(0, 3)) print("One") def printTwo(n: int = 10): getProcessInfo('printTwo Function Info') for _ in range(n): time.sleep(random.randint(0, 3)) print("Two") if __name__ == "__main__": procs = [] # Create a Process for printOne function proc = Process(target=printOne, args=(10,)) # Append the Process to the list of all Processes procs.append(proc) #Start the Process proc.start() # Create a Process for printTwo function proc = Process(target=printTwo) # Append the Process to the list of all Processes procs.append(proc) # Start the Process proc.start() # Wait until all the processes are executed for proc in procs: proc.join()
|
在这里，我们创建了两个函数，它们在运行时打印一个字符串。 如果我们检查输出，我们可以确认它们是独立运行的，不会相互等待。
