面试题：Python多线程执行I/O密集型任务时如何优化效率

1. 线程池优化

线程池可以复用线程，减少线程创建和销毁的开销。在Python中，可以使用concurrent.futures模块中的ThreadPoolExecutor来实现线程池。

示例代码如下：

import concurrent.futures
import time


def io_bound_task():
    time.sleep(1)  # 模拟I/O操作
    return "Task completed"


if __name__ == '__main__':
    start_time = time.time()
    with concurrent.futures.ThreadPoolExecutor(max_workers=10) as executor:
        tasks = [executor.submit(io_bound_task) for _ in range(20)]
        for future in concurrent.futures.as_completed(tasks):
            print(future.result())
    end_time = time.time()
    print(f"Total time: {end_time - start_time} seconds")

2. 异步I/O优化

Python的asyncio库提供了异步I/O的支持。通过使用async和await关键字，可以将I/O操作异步化，避免线程阻塞。

示例代码如下：

import asyncio
import time


async def io_bound_task():
    await asyncio.sleep(1)  # 模拟异步I/O操作
    return "Task completed"


async def main():
    tasks = [io_bound_task() for _ in range(20)]
    results = await asyncio.gather(*tasks)
    for result in results:
        print(result)


if __name__ == '__main__':
    start_time = time.time()
    asyncio.run(main())
    end_time = time.time()
    print(f"Total time: {end_time - start_time} seconds")

3. 对比分析

线程池：适用于I/O密集型任务，它可以控制并发线程的数量，避免过多线程导致的资源消耗。通过复用线程，减少了线程创建和销毁的开销。
异步I/O：在单线程内通过事件循环来处理异步操作，完全避免了线程切换的开销，在I/O密集型任务上性能通常比线程池更好。但它需要将代码改写成异步风格，对代码结构有一定的侵入性。

在实际应用中，可以根据具体的场景和代码结构选择合适的优化方式。如果代码已经是基于线程的，使用线程池进行优化较为方便；如果是全新开发或对性能要求极高，可以考虑使用异步I/O。

星途面试题库

面试题：Python多线程执行I/O密集型任务时如何优化效率

知识考点

面试题答案

1. 线程池优化

2. 异步I/O优化

3. 对比分析