6

第一种方法：

import threading
import time

def keepalive():
    while True:
        print 'Alive.'
        time.sleep(200)
threading.Thread(target=keepalive).start()

第二种方法：

import threading

def keepalive():
    print 'Alive.'
    threading.Timer(200, keepalive).start()

threading.Timer(200, keepalive).start()

哪种方法占用更多内存？而在第二种方法中，线程被激活后是否结束？或者它是否保留在内存中并开始一个新线程？（多线程）

4

2 回答 2

8

Timer为每个启动的计时器创建一个新的线程对象，因此在创建和垃圾收集这些对象时肯定需要更多资源。

由于每个线程在产生另一个线程后立即退出active_count保持不变，但不断有新线程创建和销毁，这会导致开销。我会说第一种方法肯定更好。

尽管您不会真正看到太大的差异，但只有在间隔非常小的情况下。

于 2012-11-07T01:19:05.183 回答
5

这是一个如何自己测试的示例：

而在第二种方法中，线程被激活后是否结束？或者它是否保留在内存中并开始一个新线程？（多线程）

import threading

def keepalive():
    print 'Alive.'
    threading.Timer(200, keepalive).start()
    print threading.active_count()

threading.Timer(200, keepalive).start()

我还将 200 更改为 .2，因此不会花费很长时间。

线程数永远是 3。

然后我这样做了：

top -pid 24767

#TH 列从未改变。

所以，这就是你的答案：我们没有足够的信息来知道 Python 是为所有计时器维护一个计时器线程，还是在计时器运行后立即结束并清理线程，但我们可以确定线程不会不要到处乱堆。（如果您确实想知道前者发生了什么，您可以，例如，打印线程 ID。）

另一种查找方法是查看源。正如文档所说，“Timer 是 Thread 的子类，因此也可以作为创建自定义线程的示例”。它是 的子类的事实Thread已经告诉您每个Timer都是Thread. 它“作为示例”的事实意味着它应该易于阅读。如果您单击从文档到源的链接，您可以看到它是多么的微不足道。大部分工作都是由 完成的Event，但它们在同一个源文件中，而且几乎一样简单。实际上，它只是创建一个条件变量，等待它（因此它会阻塞直到超时，或者您通过调用通知条件cancel），然后退出。

我之所以回答一个子问题并解释我是如何做到的，而不是回答每个子问题，是因为我认为完成相同的步骤对您更有用。

进一步思考，这可能不是首先由优化决定的问题：

如果您有一个简单的同步程序，需要在 200 秒内什么都不做，请对sleep. 或者，更简单，只需完成工作并退出，然后选择一个外部工具来安排您的脚本每 200 秒运行一次。

另一方面，如果你的程序本质上是异步的——特别是如果你已经有了线程、信号处理程序和/或事件循环——那么你就无法开始sleep工作了。如果Timer效率太低，请转到 PyPI 或 ActiveState 并找到更好的计时器，让您可以使用单个实例和线程安排可重复的计时器（甚至多个计时器）。（或者，如果您正在使用信号，请使用signal.alarmor setitimer，如果您正在使用事件循环，请将计时器构建到您的主循环中。）

我想不出任何用例sleep都Timer可以成为真正的竞争者。

于 2012-11-07T01:04:41.223 回答