(一)线程--简述线程概述及原理
发布日期:2022-02-05 18:27:36
浏览次数:10
分类:技术文章
本文共 1112 字,大约阅读时间需要 3 分钟。
线程是程序执行的基本原子单位. 一个进程可以由多个线程组成.
在分布式编程中,正确使用线程能够很好的提高应用程序的性能及运行效率.实现原理是将一个进程分成多个线程,然后让它们并发异步执行,来提高运行效率.
并发执行并不是同时执行(占有CPU),任意时刻还是只能有一个线程占用CPU,
只不过是它们争夺CPU频繁一些,感觉到他们似乎都在运行.下面通过一个简单的例子来说明一下它的工作原理
设一个进程要完成两个任务:任务1和任务2
并且任务1要经历: A1->B1->C1三个步骤才能完成 任务2要经历: A2->B2->C2三个步骤才能完成 I.如果两个任务同步执行的话完成两个任务是这样执行的: 花费时间段: 1 2 3 4 5 6 A1->B1->C1->A2->B2-C2 这样从A1一直到c2只能一个一个地执行. 当A1占用CPU执行时,从B1到C2线程只能在等待. 甚至它们不相互竞争同一个资源时,也要等待前面的执行完成,自己才能执行 II.如果两个任务异步执行的话完成两个任务是这样执行的: 花费时间段: 1 2 3 4 5 6 A1->B1->C1 A2->B2->C2 这样,任务1和任务2就分成两个独立的执行对象. 也就是说: A1->B1->C1 和 A2->B2->C2 是并发执行的. 当A1在执行某个运算时,A2线程可以去做其它 的一些事情,比如访问磁盘等外部设备等对比一下I和II两种执行方式,完成所有任务I需要6个时间段,
而II只需要3个时间段就完成了(事实上会多一点,因为方式II中的线程轮询CPU比较频繁,在轮询CPU时会花费一些时间);方式II所需时间是I的一半. 所以II完成整个任务要快. 另一方面,II执行方式,完成每个任务所需的时间可能会花费时间长些,因为I方式是各个线程依次占用CPU执行,当A1占用CPU时,CPU就只为A1服务,当A1执行完后,才让出CPU。II情况就不一样了,它们是异步执行的,轮流使用CPU频繁,经常让出或占有CPU,执行每个线程完成的时间也就会相对长些.一般情况下,如果多个线程在执行时都要抢占某一个资源或某几个资源,则最好不用异步线程执行.因为它们是并发执行,很可能同时争夺某个资源有CPU,这时要么执行资源分配算法(比如要判断哪个线程优先级高,这要花费时间),或者是按时间片算法(这样要付出 轮询CUP/交接/让出CPU 所需的时间). 如果多个线程所需要的系统资源是比较均匀的,这时完全可以让它们异步并发执行,比如: 当一个线程在给客户端
发出消息后,并不是一直在等待此客户端回应,它可以继续处理下一个客户端请求.
相关线程知识文章资源:
转载地址:https://blog.csdn.net/lisong58420/article/details/2269915 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
哈哈,博客排版真的漂亮呢~
[***.90.31.176]2024年04月04日 08时00分03秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
运动控制 —— 强大的状态机工具
2019-04-28
Platinum Maestro运动控制器 —— PVT模式笔记
2019-04-28
Platinum Maestro运动控制器 —— 运动程序笔记
2019-04-28
PID算法原理及参数调整原则
2019-04-28
Platinum Maestro运动控制器 ——速度位置等数据的获取
2019-04-28
Platinum Maestro运动控制器 ——Ssh登录控制器
2019-04-28
基础笔记2 —— 不损失精度的前提下浮点数拆分成整型的方法浅析
2019-04-28
数据类型在内存中的存储
2019-04-28
循环神经网络(LSTM)实现股票预测-深度学习100例 | 第10天
2019-04-28
Python3--爬取数据之911网站信息爬取
2019-04-28
Python--format()学习记录
2019-04-28
Python--切片学习记录
2019-04-28
Python--判断一个字符串是否包含某子串的几种方法
2019-04-28
pandas包
2019-04-28
Python爬虫之图片爬取
2019-04-28
Python--音频文件分类代码
2019-04-28
Python3--baby网的数据爬取
2019-04-28
Python--读取csv文件的整列
2019-04-28
Python3--有道音频下载
2019-04-28
Python3--爬取海词信息
2019-04-28