← 返回 Day 58 正文

Day 58 · 练习与清单

Day 058 — 并发模型对比 练习清单

✅ 今日完成清单

📝 基础练习

练习 1: 线程安全计数器

编写一个线程安全的计数器类，支持 increment() 和 get_value() 方法，使用 threading.Lock 保护。

python
class ThreadSafeCounter:
    def __init__(self):
        self._value = 0
        self._lock = threading.Lock()
    
    def increment(self):
        # TODO: 实现线程安全的递增
        pass
    
    def get_value(self):
        # TODO: 返回当前值
        pass

验证：启动 10 个线程各递增 10000 次，最终值应为 100000。

练习 2: 进程池并行计算

使用 ProcessPoolExecutor 并行计算 100 个数的阶乘，对比串行和并行的耗时。

python
import math
from concurrent.futures import ProcessPoolExecutor

def factorial(n):
    return math.factorial(n)

# TODO: 使用 ProcessPoolExecutor 并行计算
# TODO: 对比串行和并行耗时

练习 3: 协程并发请求

使用 asyncio.gather 同时发起 10 个异步任务（模拟 I/O），总耗时应接近单个任务的耗时。

python
import asyncio

async def simulated_request(task_id, delay):
    print(f"Task {task_id} 开始")
    await asyncio.sleep(delay)
    print(f"Task {task_id} 完成")
    return f"result-{task_id}"

# TODO: 使用 asyncio.gather 并发执行 10 个任务

🚀 进阶挑战

挑战 1: 生产者-消费者模型

实现一个多进程的生产者-消费者系统： - 1 个生产者进程，持续生成随机数 - 3 个消费者进程，从队列取数并计算平方 - 使用 multiprocessing.Queue 通信 - 优雅退出（生产者发送结束信号）

挑战 2: 混合并发架构

设计一个程序，同时使用进程池和线程池： - 进程池处理 CPU 密集型子任务 - 线程池处理 I/O 密集型子任务 - 主协程协调两者

挑战 3: 性能对比实验

编写完整的基准测试脚本，测量： - 不同线程数对 CPU 密集型任务的影响 - 不同进程数对 CPU 密集型任务的影响 - 不同协程数对 I/O 密集型任务的影响 - 输出对比表格

💡 思考题

  1. 为什么 Python 选择保留 GIL？移除 GIL 有什么代价？

  2. 在什么场景下，多线程比多进程更好？（除了 I/O 密集型）

  3. 协程的 await 和线程的 sleep 有什么本质区别？

  4. 如何判断一个任务是 CPU 密集型还是 I/O 密集型？

📚 推荐阅读

必读

进阶

视频