选择合适的并发模型

在选择并发模型时 需要考虑任务的性质、性能要求、代码麻烦性等因素。对于I/O密集型任务，通常推荐用异步IO或许多线程；而对于CPU密集型任务，则推荐用许多进程。

许多进程

由于GIL的存在 对于CPU密集型任务，能用multiprocessing模块来创建优良几个进程，个个进程都有自己的Python说明白器实例。

from multiprocessing import Process
def worker:
    """进程施行的任务"""
    print
if __name__ == '__main__':
    processes = 
    for i in range:
        p = Process
        p.start
        processes.append
    for p in processes:
        p.join

异步IO

Python的asyncio模块给了一种基于事件循环的并发模型， 适用于I/O密集型任务，如网络求和文件操作。

import asyncio
async def worker:
    """异步任务"""
    print
loop = asyncio.get_event_loop
tasks = 
loop.run_until_complete)

许多线程

Python的threading模块能用来创建和管理线程。但是由于全局说明白器锁的存在许多线程并不适合CPU密集型任务。

import threading
def worker:
    """线程施行的任务"""
    print
threads = 
for i in range:
    t = threading.Thread
    t.start
    threads.append
for t in threads:
    t.join

用第三方库增有力并发性能

除了Python标准库中的并发模块外还有许许多第三方库能增有力并发性能。

gevent

gevent是一个基于协程的Python网络库， 它能帮开发者轻巧松实现异步编程，从而突破GIL的管束，搞优良Python程序的并发性能。

import gevent
def worker:
    print
gevent.spawn
gevent.spawn
gevent.spawn
gevent.spawn
gevent.spawn
gevent.joinall

eventlet

eventlet是一个基于协程的Python网络库， 类似于gevent，但它给了更许多的网络功能。

import eventlet
def worker:
    print
def greenlet_task:
    eventlet.spawn
for _ in range:
    greenlet_task
eventlet.sleep

在CentOS上用Python实现并发编程有许多种方法，选择合适的并发模型和工具能搞优良程序的施行效率和性能。通过本篇文章，您得能够了解怎么用许多进程、异步IO和许多线程来搞优良Python程序的并发性能。

---