Python中的并发编程(2): 并行与并发

最新推荐文章于 2025-07-01 07:09:25 发布

原创最新推荐文章于 2025-07-01 07:09:25 发布 · 1.5k 阅读

1 ·

CC 4.0 BY-SA版权

设计架构同时被 3 个专栏收录

27 篇文章

订阅专栏

Python与GIS

19 篇文章

订阅专栏

python

14 篇文章

订阅专栏

本文介绍了并发(Concurrency)与并行(Parallelism)的区别，并探讨了并发系统的特性、任务调度的复杂性及其重要性，还讲解了不同系统架构（SISD、SIMD、MISD、MIMD）的特点，最后分析了计算机内存模型（UMA和NUMA）对性能的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

并行与并发

很多人都会有一个问题，并发(Concurrency)和并行(Parallelism)是一个概念吗？它们之间有什么区别呢？只有在充分了解概念的情况下，才能在接下来的学习中，不被文献中充斥的各种概念弄混淆；在实践中，也能更好的选择实现手段。

一般说来，并发，指的是多个任务能够同时存在，是否同时执行并不重要，而并行，主要侧重于多个任务之间能够同时进行。所以，我们也可以理解为并行是并发的一个子集。

如上图所示，大家分为两队去接饮料，这就是并发。大家分两队，同时分别去两个饮料机接饮料，这就是并行。

并发系统的一些特性

包含多个操作
拥有共享的资源：内存，硬盘或者其他资源
遵从一些规则：只有所有的操作都严格的遵循一定的规则，整个系统才能按照期待的方向发展

性能瓶颈

并发编程一般都是用于解决一些性能问题，主要的性能问题有两种，I/O性能瓶颈，CPU性能瓶颈。

I/O瓶颈

这种情况下，程序主要阻塞在输入输出等部分。例如网络爬虫。

CPU瓶颈

这种情况下，程序主要阻塞在计算部分。主要由时钟频率和CPU的核心个数影响。

使用单核优点：

不需要很复杂的通信协定
消耗电能更小，适合于物联网。

使用单核缺点：

处理速度有限

反过来就是多核的优缺点了。就不一一说明。

任务调度

在这儿只是说明任务调度的复杂性和重要性，至于如何安排任务，在以后会进行详细说明。并发程序的多个线程之间的运作方式有很大的不确定性，如果不加以控制的话，程序运行的结果也会有很强的不确定性。这里以一个经典的生产者，消费者模型/使用场景为例进行说明。

#!/usr/bin/env python
# -*- coding: utf-8 -*-


import threading
import time
import random

counter = 1


def workerA():
    global counter
    while counter < 1000:
        counter += 1
        print("Worker A is incrementing counter to {}".format(counter))
        sleepTime = random.randint(0,1)
        time.sleep(sleepTime)


def workerB():
    global counter
    while counter > -1000:
        counter -= 1
        print("Worker B is decrementing counter to {}".format(counter))
        sleepTime = random.randint(0,1)
        time.sleep(sleepTime)


def main():
    t0 = time.time()
    thread1 = threading.Thread(target=workerA)
    thread2 = threading.Thread(target=workerB)

    thread1.start()
    thread2.start()

    thread1.join()
    thread2.join()

    t1 = time.time()

    print("Execution Time {}".format(t1-t0))

if __name__ == '__main__':
    main()

系统架构

在正式编程之前，还是要介绍下目前的系统架构，主要分为 SISD， SIMD， MISD， MIMD四种。直接从wiki上搬运些资料吧。原地址：费林分类法

SISD

单指令流单数据流（英文：Single instruction, single data，缩写：SISD），每个指令部件每次仅译码一条指令，而且在执行时仅为操作部件提供一份数据。符合冯·诺伊曼结构。

单指令流单数据流是费林分类法中4种计算机处理架构类别的一种。在这个分类系统中，分类根据是指令流和资料流的数量，以此根据来划分计算机处理架构的类别。根据米高·J·费林的观点，当指令、资料处理流水化/管线化时，单指令流单数据流也可以拥有并行计算的特点。管线化的指令读取执行在当代的单指令流单数据流处理机种上很常见。