为什么使用 Asyncio 不会减少 Python 中的整体执行时间并同时运行函数？

Question

我正在尝试使用 asyncio 运行一段代码并减少整个代码的执行时间。下面是我的代码，大约需要 6 秒才能完全执行自己

普通函数调用-（方法一）

from time import time, sleep
import asyncio


def find_div(range_, divide_by):
    lis_ = []
    for i in range(range_):
        if i % divide_by == 0:
            lis_.append(i)
        
    print("found numbers for range {}, divided by {}".format(range_, divide_by))
    return lis_

if __name__ == "__main__":
    start = time()
    find_div(50800000, 341313)
    find_div(10005200, 32110)
    find_div(50000340, 31238)
    print(time()-start)
    

上面代码的输出就是总执行时间6秒。

多线程方法-（方法 2） 在这里使用了多线程，但令人惊讶的是时间增加了

from time import time, sleep
import asyncio
import threading


def find_div(range_, divide_by):
    lis_ = []
    for i in range(range_):
        if i % divide_by == 0:
            lis_.append(i)
        
    print("found numbers for range {}, divided by {}".format(range_, divide_by))
    return lis_

if __name__ == "__main__":
    start = time()
    t1 = threading.Thread(target=find_div, args=(50800000, 341313)) 
    t2 = threading.Thread(target=find_div, args=(10005200, 32110)) 
    t3 = threading.Thread(target=find_div, args=(50000340, 31238)) 
  
    t1.start() 
    t2.start() 
    t3.start()

    t1.join() 
    t2.join() 
    t3.join()
    print(time()-start)

以上代码的输出是12 secs。

多处理方法-（方法 3）

from time import time, sleep
import asyncio
from multiprocessing import Pool

def multi_run_wrapper(args):
   return find_div(*args)

def find_div(range_, divide_by):
    lis_ = []
    for i in range(range_):
        if i % divide_by == 0:
            lis_.append(i)
        
    print("found numbers for range {}, divided by {}".format(range_, divide_by))
    return lis_

if __name__ == "__main__":
    start = time()
    with Pool(3) as p:
        p.map(multi_run_wrapper,[(50800000, 341313),(10005200, 32110),(50000340, 31238)])
    
    
    print(time()-start)

多处理代码的输出为 3 secs，优于普通函数调用方法。

Asyncio 方法-（方法 4）

from time import time, sleep

import asyncio

async def find_div(range_, divide_by):
    lis_ = []
    for i in range(range_):
        if i % divide_by == 0:
            lis_.append(i)
        
    print("found numbers for range {}, divided by {}".format(range_, divide_by))
    return lis_


async def task():

    tasks = [find_div(50800000, 341313),find_div(10005200, 32110),find_div(50000340, 31238)]
    result = await asyncio.gather(*tasks)
    print(result)

if __name__ == "__main__":
    start = time()
    asyncio.run(task())
    print(time()-start)

上面的代码也需要大约 6 秒，这与 Approach 1 的正常执行函数调用相同。

问题-
为什么我的 Asyncio 方法没有按预期工作并减少了总时间？
代码有什么问题？

Answer 1

您有专门使用 CPU 的代码。 这样的代码无法使用异步加速。

当你有任务在等待与 CPU 无关的东西时，异步会发光，例如。网络请求或从磁盘读取。这通常适用于所有语言。

在 python 中，基于线程的方法也对您没有帮助，因为这仍然将您限制为单核而不是真正的并行执行。这是由于全局解释器锁 (GIL)。线程之间启动和切换的开销使其比简单版本慢。 在这方面，线程类似于 python 中的异步，只有当你等待的时间不是主要花在 CPU 上或者你正在调用不受 GIL 约束的代码时，它才有帮助，例如c 扩展。

使用multiprocessing确实是使用了多个cpu核心，所以比普通方案要快。