Python - 线程占用太多 CPU
Python - Threading takes too much CPU
所以我有一个 Python 3.7 程序,它使用线程库来多处理任务
def myFunc(stName,ndName,ltName):
##logic here
names = open('names.txt').read().splitlines() ## more than 30k name
for i in names:
processThread = threading.Thread(target=myFunc, args=(i,name2nd,lName,))
processThread.start()
time.sleep(0.4)
我必须打开多个 windows 才能完成具有不同输入的任务,但最终我 运行 陷入了一个非常缓慢的情况,我什至无法浏览我的 OSX ,我尝试使用 multiprocessing 库来解决问题,但不幸的是, multiprocessing 似乎无法在 OSX 中正常工作。
任何人都可以建议吗?
这种行为是可以预料的。如果 myFunc
是一项需要时间的 CPU 密集型任务,您可能会启动多达 30k 个线程来执行此任务,这将使用所有机器资源。
您的代码的另一个潜在问题是线程在内存方面很昂贵(每个线程使用 8MB 内存)。创建 30k 线程将使用多达 240GB 的内存,而您的机器可能没有内存,并且会导致 OutOfMemoryError。
最后,该代码的另一个问题是您的主例程正在启动所有这些线程,但没有等待它们中的任何一个完成执行。这意味着最后启动的线程很可能 运行 直到结束。
我建议使用 ThreadPoolExecutor
来解决所有这些问题:
from concurrent.futures.thread import ThreadPoolExecutor
def myFunc(stName,ndName,ltName):
##logic here
names = open('names.txt').read().splitlines() ## more than 30k name
num_workers = 8
with ThreadPoolExecutor(max_workers=num_workers) as executor:
for i in names:
executor.map(myFunc, (i, name2nd, lName))
您可以尝试 num_workers
以在该程序使用的资源量和适合您的执行速度之间找到平衡点。
所以我有一个 Python 3.7 程序,它使用线程库来多处理任务
def myFunc(stName,ndName,ltName):
##logic here
names = open('names.txt').read().splitlines() ## more than 30k name
for i in names:
processThread = threading.Thread(target=myFunc, args=(i,name2nd,lName,))
processThread.start()
time.sleep(0.4)
我必须打开多个 windows 才能完成具有不同输入的任务,但最终我 运行 陷入了一个非常缓慢的情况,我什至无法浏览我的 OSX ,我尝试使用 multiprocessing 库来解决问题,但不幸的是, multiprocessing 似乎无法在 OSX 中正常工作。
任何人都可以建议吗?
这种行为是可以预料的。如果 myFunc
是一项需要时间的 CPU 密集型任务,您可能会启动多达 30k 个线程来执行此任务,这将使用所有机器资源。
您的代码的另一个潜在问题是线程在内存方面很昂贵(每个线程使用 8MB 内存)。创建 30k 线程将使用多达 240GB 的内存,而您的机器可能没有内存,并且会导致 OutOfMemoryError。
最后,该代码的另一个问题是您的主例程正在启动所有这些线程,但没有等待它们中的任何一个完成执行。这意味着最后启动的线程很可能 运行 直到结束。
我建议使用 ThreadPoolExecutor
来解决所有这些问题:
from concurrent.futures.thread import ThreadPoolExecutor
def myFunc(stName,ndName,ltName):
##logic here
names = open('names.txt').read().splitlines() ## more than 30k name
num_workers = 8
with ThreadPoolExecutor(max_workers=num_workers) as executor:
for i in names:
executor.map(myFunc, (i, name2nd, lName))
您可以尝试 num_workers
以在该程序使用的资源量和适合您的执行速度之间找到平衡点。