Python中的线程练习

Question

我知道Python有一个global lock，我读过了Glyph的python multithreading的解释。但我仍然想尝试一下。我决定做一个简单的（概念上的）任务是对图片进行水平和垂直边缘检测。

这里发生了什么（伪）：

for pixels in picture: 
    apply sobel operator horizontal 
for pixels in picture: 
    apply sobel operator vertical 

info on sobel operator。

这两个循环可以完全独立运行，因此会成为多线程的主要候选对象。 （在任何非常大的图片上运行这两个循环可能需要10秒以上）。但是，当我尝试在python中使用threading模块时，由于全局锁定而需要两倍的时间。我的问题是，我是否应该放弃所有希望在python的两个线程中执行此操作并尝试使用另一种语言？如果我可以开拓进取，我应该使用哪些模块？如果不是，我应该用什么语言进行实验？

Answer 1

Python 2.6现在包含mulitprocessing模块（以前的老版本的Python为processing模块）。

它具有与线程模块基本相同的界面，但将执行启动到单独的进程而不是线程。这使得Python可以利用多个内核/ CPU，并且与线程模块方法相比，可以很好地扩展CPU密集型任务。

Answer 2

如果sobel运算符是CPU绑定的，那么您将不会从多个线程中获益，因为python没有利用多个内核。

可以想象，您可以分离多个进程，但我不确定这对于处理单个映像是否可行。

10秒似乎没有太多时间浪费。如果您担心时间，因为您将处理许多图像，那么运行多个进程并使每个进程处理单独的图像子集可能更容易。

Answer 3

像索贝尔操作员那样的大规模矩阵操作将通过（正确地）使用Matlab/Octave确实实现显着的速度增益。 NumPy可能会为矩阵/阵列操作提供类似的加速。

Answer 4

我推荐使用NumPy。它不仅会更快，而且如果你使用它的线程，将不会有全局锁。

我也会建议像Jay所说的那样使用多处理技术。不管怎么说，如果你真的想练习穿线，我会建议你用C中的PThreads来玩。PThreads对于基本的例子来说非常简单，并且可以在整个地方使用。

Answer 5

如果你想用Python练习并行编程，Python多处理是正确的选择。如果您没有Python 2.6（如果您使用的是Ubuntu，那么您不需要），那么您可以使用Google code backported版本的多处理。它是PyPI的一部分，这意味着您可以使用EasyInstall（它是Ubuntu中的python-setuptools软件包的一部分）轻松安装它。