本文主要归纳3个内容：Python协程Python多进程Python多线程Python协程基本协程机制介绍协程，又称微线程，纤程。英文名Coroutine协程看上去也是子程序，但执行过程中，在子程序内部可中断，然后转而执行别的子程序，在适当的时候再返回来接着执行。（不同于函数调用）协程相对于多线程的优势：
协程的执行效率高于多线程协程不需要锁机制：因为只有一个线程，所以不存在同时写变量冲突
synchronized 定义在并发编程中存在线程安全问题，主要原因有：1.存在共享数据 2.多线程共同操作共享数据。关键字synchronized可以保证在同一时刻，只有一个线程可以执行某个方法或某个代码块，同时synchronized可以保证一个线程的变化可见（可见性），即可以代替volatile。synchronzied 是 悲观锁synchronized 关键字 对某个对象加锁public
转载
2023-06-19 16:05:57
57阅读
一 Future Pattern 假如有一个执行起来需要花费一些时间的方法，为了省去不必要的等待执行结果出来，继续做别的事情，则可以事先获取一个“提货单”即Future参与者，Future Pattern模式也就是这样的方式，当一个线程需要另一个线程的处理的结果时候，则不必一直等着处理结果，可以先处理别的事情，提前拿个Future对象，再过一段时间来获取另一个线程的处理结果
转载
2023-07-19 22:29:38
28阅读
wait和notify方法 wait()：让当前线程进入等待状态 notify()/notifyAll()：唤醒在当前对象上等待的线程。 注意: wait, notify, notifyAll 都是 Object 类的方法wait做了三件事： 1.让当前线程阻塞等待。（让这个线程的PCB从就绪队列拿到等待队列中）并准备接受通知 2.释放当前锁。要想使用wait/notify，必须搭配synchro
转载
2023-08-11 14:24:58
54阅读
当我们调用一个函数的时候，如果这个函数的执行过程是很耗时的，我们就必须要等待，但是我们有时候并不急着要这个函数返回的结果。因此，我们可以让被调者立即返回，让他在后台慢慢的处理这个请求。对于调用者来说，则可以先处理一些其他事情，在真正需要数据的时候再去尝试获得需要的数据（这个真正需要数据的位置也就是上文提到的阻塞点）。这也是Future模式的核心思想：异步调用。
到了这里，你可能会想CountDownLatch不是也可以实现类似的功能的吗？也是可以让耗时的任务通过子线程的方式去执行，然后设置一个阻塞点等待返回的结果，情况貌似是这样的！但有时发现CountDownLatch只知道子线程的完成情况是不够的，如果在子线程完成后获取其计算的结果，那CountDownLatch就有些捉襟见衬了，所以JDK提供的Future类，不仅可以在子线程完成后收集其结果，还可以设定子线程的超时时间，避免主任务一直等待。
看到这里，似乎恍然大悟了！CountDownLatch无法很好的洞察子线程执行的结果，使用Future就可以完成这一操作，那么Future何方神圣！下边我们就细细聊一下。
原创
2019-05-13 22:07:26
3939阅读
点赞
* 使用future进行异步编程* 缺点：* 不知道何时结束* 阻塞获取结果import java.util.concurrent.ExecutorService;import java.util.concurrent.Executors;import java.util.concurrent.Future;public class T01_Future { ...
原创
2021-07-07 11:31:17
115阅读
* 使用future进行异步编程* 缺点：* 不知道何时结束* 阻塞获取结果import java.util.co
原创
2022-01-20 14:58:38
92阅读
目录1 CompletableFuture1.1 简介1.2 创建CompletableFuture1.2.1 构造函数创建1.2.2 supplyAsync创建1.2.3 runAsync创建1.3 异步回调方法1.3.1 thenApply / thenAccept / thenRun互相依赖1.3.1.1 thenApply1.3.1.2 thenAccept / thenRun1.3.2
转载
2023-08-26 02:31:13
122阅读
Future模式是多线程开发中常用常见的一种设计模式，它的核心思想是异步调用。在调用一个函数方法时候，如果函数执行很慢，我们就要进行等待，但这时我们可能不着急要结果，因此我们可以让被调者立即返回，让它在后台慢慢处理这个请求，对于调用者来说可以先处理一些其他事物，在真正需要数据的场合再去尝试获得需要的数据。对于Future模式来说，虽然它无法立即给出你需要的数据，但是它们返回一个契约给你，将来你
转载
2023-07-12 15:41:28
61阅读
转载
2023-09-17 21:58:25
1416阅读
本文翻译自：https://pytorch.org/tutorials/recipes/recipes/tuning_guide.html#general-optimizationspytorch.org/tutorials/recipes/recipes/tuning_guide.html#general-optimizations性能调优指南是一组优化和最佳实践，可以加速 PyTorch 中深
不是并行，不是真正意义上的并发，可以单核实现并发。进程是资源单位(相当于车间)，线程是运行单位(相当于生产线)io多的项目，多线程更优于多进程1 threading开启线程—函数from threading import Thread
import time
def t_func(name, n):
time.sleep(n)
print("name:", name)
if
转载
2023-06-27 09:25:10
105阅读
文章目录一、概述二、代码三、查看线程数 一、概述数据集较小时（小于2W）建议num_works不用管默认就行，因为用了反而比没用慢。 当数据集较大时建议采用，num_works一般设置为（CPU线程数±1）为最佳，可以用以下代码找出最佳num_works（注意windows用户如果要使用多核多线程必须把训练放在if name == ‘main’:下才不会报错）二、代码import time
im
转载
2023-07-25 16:56:28
171阅读
更正说明：时间 2018/01/23现在我所测试得到的dataParallel只能有效的进行前向传播，不能后向传播。下面的关于后向传播的原因我没有在代码层面进行分析，所以下面的记录部分（前面传播）是正确的。不过可以得出的结论有：Dataparallel不支持自动的后向传播；Variable的grad_fn不能修改；Variable只有叶节点（在pytorch中计算图的倒着来的，叶节点就是初始输入节
转载
2023-08-30 23:40:55
92阅读
python由于GIL（全局锁）的存在，不能发挥多核的优势，其性能一直饱受诟病。然而在IO密集型的网络编程里，异步处理比同步处理能提升成百上千倍的效率，弥补了python性能方面的短板，如最新的微服务框架japronto，resquests per second可达百万级。 &nb
转载
2023-07-01 11:52:32
201阅读
什么叫线程是操作系统中可调度任务最小单位，在JVM中可以一个进程能够运行多个线程分别执行不同的任务进程和线程的区别进程是资源分配最小单位 线程是程序执行的最小单位多线程CPU切换概念对于如果使用单核cpu服务器，开启多线程的情况下，并不是真正意义上的多线程，因为单核cpu服务器在同一个时刻最多只能运行一个线程，当正在运行的线程快速切换到另外一个线程执行，这个过程我们可以称之为Cpu切换。同步和异步
CompletableFuture详解Future 是Java 5添加的类，用来描述一个异步计算的结果。前文中，我们领略了 Future 的便利，但它还是存在诸多不足，比如：Future 对于结果的获取很不方便，只能通过阻塞或者轮询的方式得到任务的结果。阻塞的方式显然是效率低下的，轮询的方式又十分耗费CPU资源，而且也不能保证实时得到计算结果。Future难以解决线程执行结果之间的依赖关
转载
2023-07-19 22:30:05
70阅读
多线程开发可以更好的发挥多核cpu性能，常用的多线程设计模式有：Future、Master-Worker、Guard Susperionsion一、什么是Future模型： 该模型是将异步请求和代理模式联合的模型产物。类似商品订单模型。见下图： 客户端发送一个长时间的请求，服务端不需等待该数据处理完成便立即返回一个伪造的
转载
2023-07-12 15:44:06
0阅读
多线程和多进程：
优点：可以为阻塞操作提供异步执行
缺点：无法无限制的创建线程
进程池和线程池：
好处：可以系统对进程和线程的创建和销毁的频率，从而降低系统的开销
缺点：线程池和进程池是固定的。有上限。线程池的基本使用# 导入进程池的pool
from multiprocessing.dummy import Pool
# 实例化线程对象
pool = Pool(4)
# map func it
转载
2023-06-15 21:08:12
891阅读
【知识点回锅】 异步服务与多线程今天回看了去年学的分布式系统课程，讲的是进程，线程，异步与回调，协程。结合最近的项目经验，感觉对其有更深的理解了。多进程与多线程谈到这个，不得不先说最近的项目经验。图像处理五千万像素的图片，用python单线程运行，就需要十余分钟，多浪费时间啊！作为一台带多核CPU的本本，我不能忍！于是便试着去查找有关优化的方法，除了用GPU进行硬件加速处理外，第二种比较理想的方法
