[心得]利用python并发提速上线测试效率

背景

在我们的工作中，分布式的生产环境要求我们提高测试效率。原先的上线job串行执行，严重制约了我们的上线效率。

我们从两个层面来解决问题：jenkins job层面，设置里面勾选Execute concurrent builds if necessary来实现多job并行。脚本层面，引入python并发来解决脚本内串行的问题。

取舍

关于多线程还是多进程的取舍。

如果是IO密集型，线程和进程都可以，相对而言，线程稍复杂。

如果是cpu密集型，那么多进程更合理。

线程

线程模型如下：

做一个线程池，总数为cpu数加1，每一个子类无限循环。

# coding=utf-8
from Queue import Queue
from threading import Thread
from single import *

class ProcessWorker(Thread):
def __init__(self, queue):
Thread.__init__(self)
self.queue = queue

def run(self):
while True:
# Get the work from the queue
num = self.queue.get()
processNum(num)
self.queue.task_done()

def main():
ts = time()
nums = getNums(4)
# Create a queue to communicate with the worker threads
queue = Queue()
# Create 4 worker threads
for x in range(4):
worker = ProcessWorker(queue)
# Setting daemon to True will let the main thread exit even though the workers are blocking
worker.daemon = True
worker.start()
# Put the tasks into the queue
for num in nums:
queue.put(num)
# Causes the main thread to wait for the queue to finish processing all the tasks
queue.join()
print("cost time is: {:.2f}s".format(time() - ts))

if __name__ == "__main__":
main()

进程

每当线程中的一个准备工作时，进程可以不断转换线程。使用Python或其他有GIL的解释型语言中的线程模块实际上会降低性能。如果你的代码执行的是CPU密集型的任务，例如解压gzip文件，使用线程模块将会导致执行时间变长。对于CPU密集型任务和真正的并行执行，我们可以使用多进程（multiprocessing）模块。

官方的Python实现——CPython——带有GIL.

为了使用多进程，我们得建立一个多进程池。通过它提供的map方法，我们把URL列表传给池。

# coding=utf-8
from functools import partial
from multiprocessing.pool import Pool
from single import *
from time import time

def main():
ts = time()
nums = getNums(4)
p = Pool(4)
p.map(processNum, nums)
print("cost time is: {:.2f}s".format(time() - ts))

if __name__ == "__main__":
main()

关于并发和并行的理解

并发是指，程序在运行的过程中存在多于一个的执行上下文。这些执行上下文一般对应着不同的调用栈。

在单处理器上，并发程序虽然有多个上下文运行环境，但某一个时刻只有一个任务在运行。

但在多处理器上，因为有了多个执行单元，就可以同时有数个任务在跑。

这种物理上同一时刻有多个任务同时运行的方式就是并行。

和并发相比，并行更加强调多个任务同时在运行。

而且并行还有一个层次问题，比如是指令间的并行还是任务间的并行。