Python 性能优化与设计模式详解
1. 性能优化
1.1 多线程
多线程在性能优化中是一个重要手段。通常情况下，两个线程的运行速度大约是一个线程的两倍，但增加更多线程可能并不会带来速度提升，甚至可能因为开销问题导致性能下降，例如 24 个线程的运行速度可能比 12 个线程还要慢一点。
多线程适用于构建响应式接口，以及将一些工作委托给第三方应用程序。不过，由于线程间共享内存，存在数据损坏和竞态条件的风险。为降低这种风险，可以使用queue模块作为线程间通信和数据传递的唯一方式，并且避免让两个线程同时操作同一个可变数据。
1.2 多进程
由于全局解释器锁（GIL）的限制，对于大量使用纯 Python 且 CPU 密集型的程序，无法通过多线程来加速，此时需要使用多进程。多进程通常通过os.fork系统调用创建新的子进程。以下是一个简单示例：
import os a = [] def some_work(): a.append(2) child_pid = os.fork() if child_pid == 0: a.append(3) print("hey, I am the child process") print("my pid is %d" % os.getpid()) print(str(a)) else: a.append(4) print("hey
