python 序列執行和並行執行
阿新 • • 發佈：2019-02-14
#coding=utf-8
import threading
import time
import cx_Oracle
from pprint import pprint
import csv
print time.asctime()
table_name = "dbtest.csv"
f = open(table_name + ".csv", "w")
conn = cx_Oracle.connect('tlcbuser/[email protected]/tlyy')
cursor = conn.cursor()
def query01():
tname = threading.current_thread()
aa=10
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query02():
tname = threading.current_thread()
aa=20
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query03():
tname = threading.current_thread()
aa=30
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query04():
tname = threading.current_thread()
aa=40
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
def query05():
tname = threading.current_thread()
aa=50
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query06():
tname = threading.current_thread()
aa=60
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query07():
tname = threading.current_thread()
aa=70
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
return row
cursor.close()
def query08():
tname = threading.current_thread()
aa=80
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query09():
tname = threading.current_thread()
aa=90
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
def query10():
tname = threading.current_thread()
aa=100
# cursor.execute("SELECT * FROM TEST100 WHERE ID = %s", [aa])
cursor.prepare("""SELECT * FROM TEST100 WHERE ID=:id""")
cursor.execute(None,{'id':aa})
row = cursor.fetchall()
print row
return row
cursor.close()
threads = []
t1 = threading.Thread(target=query01, name='query01')
threads.append(t1)
t2 = threading.Thread(target=query02, name='query02')
threads.append(t2)
t2 = threading.Thread(target=query03, name='query03')
threads.append(t2)
t2 = threading.Thread(target=query04, name='query04')
threads.append(t2)
t2 = threading.Thread(target=query05, name='query05')
threads.append(t2)
t2 = threading.Thread(target=query06, name='query06')
threads.append(t2)
t2 = threading.Thread(target=query07, name='query07')
threads.append(t2)
t2 = threading.Thread(target=query08, name='query08')
threads.append(t2)
t2 = threading.Thread(target=query09, name='query09')
threads.append(t2)
t2 = threading.Thread(target=query10, name='query10')
threads.append(t2)
if __name__ == '__main__':
for t in threads:
# t.setDaemon(True)
t.start()
# t.run()
# t.start()
# print '3333333'
print threading.current_thread()
# print t.is_alive()
# print '3333333'
t.join()
print "all over "
print time.asctime()
C:\Python27\python.exe C:/Users/tlcb/PycharmProjects/untitled/a2.py
Wed Mar 28 11:08:19 2018
<_MainThread(MainThread, started 18744)>
[(10, '10boobook10', '10aaaaaaaaaaaa10', '10bbbbbbbbbbbbbbbbb10'), (10, '10sssssssss10', 'tlcb', 'tlcb'), (10, '10boobook10', '10aaaaaaaaaaaa10', '10bbbbbbbbbbbbbbbbb10')]
<_MainThread(MainThread, started 18744)>
[(20, '20boobook20', '20aaaaaaaaaaaa20', '20bbbbbbbbbbbbbbbbb20'), (20, '20boobook20', '20aaaaaaaaaaaa20', '20bbbbbbbbbbbbbbbbb20'), (20, '20boobook20', '20aaaaaaaaaaaa20', '20bbbbbbbbbbbbbbbbb20')]
<_MainThread(MainThread, started 18744)>
[(30, '30boobook30', '30aaaaaaaaaaaa30', '30bbbbbbbbbbbbbbbbb30'), (30, '30boobook30', '30aaaaaaaaaaaa30', '30bbbbbbbbbbbbbbbbb30'), (30, '30boobook30', '30aaaaaaaaaaaa30', '30bbbbbbbbbbbbbbbbb30')]
<_MainThread(MainThread, started 18744)>
[(40, '40boobook40', '40aaaaaaaaaaaa40', '40bbbbbbbbbbbbbbbbb40'), (40, '40boobook40', '40aaaaaaaaaaaa40', '40bbbbbbbbbbbbbbbbb40'), (40, '40boobook40', '40aaaaaaaaaaaa40', '40bbbbbbbbbbbbbbbbb40')]
<_MainThread(MainThread, started 18744)>
[(50, '50boobook50', '50aaaaaaaaaaaa50', '50bbbbbbbbbbbbbbbbb50'), (50, '50boobook50', '50aaaaaaaaaaaa50', '50bbbbbbbbbbbbbbbbb50'), (50, '50boobook50', '50aaaaaaaaaaaa50', '50bbbbbbbbbbbbbbbbb50')]
<_MainThread(MainThread, started 18744)>
[(60, '60boobook60', '60aaaaaaaaaaaa60', '60bbbbbbbbbbbbbbbbb60'), (60, '60boobook60', '60aaaaaaaaaaaa60', '60bbbbbbbbbbbbbbbbb60'), (60, '60boobook60', '60aaaaaaaaaaaa60', '60bbbbbbbbbbbbbbbbb60')]
<_MainThread(MainThread, started 18744)>
<_MainThread(MainThread, started 18744)>
[(80, '80boobook80', '80aaaaaaaaaaaa80', '80bbbbbbbbbbbbbbbbb80'), (80, '80boobook80', '80aaaaaaaaaaaa80', '80bbbbbbbbbbbbbbbbb80'), (80, '80boobook80', '80aaaaaaaaaaaa80', '80bbbbbbbbbbbbbbbbb80')]
<_MainThread(MainThread, started 18744)>
[(90, '90boobook90', '90aaaaaaaaaaaa90', '90bbbbbbbbbbbbbbbbb90'), (90, '90boobook90', '90aaaaaaaaaaaa90', '90bbbbbbbbbbbbbbbbb90'), (90, '90boobook90', '90aaaaaaaaaaaa90', '90bbbbbbbbbbbbbbbbb90')]
<_MainThread(MainThread, started 18744)>
[(100, '100boobook100', '100aaaaaaaaaaaa100', '100bbbbbbbbbbbbbbbbb100'), (100, '100boobook100', '100aaaaaaaaaaaa100', '100bbbbbbbbbbbbbbbbb100'), (100, '100boobook100', '100aaaaaaaaaaaa100', '100bbbbbbbbbbbbbbbbb100')]
all over
Wed Mar 28 11:08:34 2018
Process finished with exit code 0
這個時候是序列 花費了15秒
多執行緒跑:
#coding=utf-8
import threading
import time
import cx_Oracle
from pprint import pprint
import csv
print time.asctime()
table_name = "dbtest.csv"
f = open(table_name + ".csv", "w")
def query01():
tname = threading.current_thread()
aa=10
conn = cx_Oracle.connect('tlcbuser/ 相關推薦
python 序列執行和並行執行
#coding=utf-8 import threading import time import cx_Oracle from pprint import pprint import csv print time.asctime() table_name =
python基礎程序和子執行緒
單核cpu實現多工的原理 多核cpu實現多工的原理 以上圖片來自千峰教育，如有侵權聯絡刪除 ‘’’ 什麼叫多工：作業系統可以同時執行多個任務，現代的作業系統比如windows、mac os、liunx、unix等都是支援多工的系統 ‘’’ ‘’'實現多工的方式 1、多程序模式:啟動多個程
【Python】程序和多執行緒分別適用於什麼情況？
1.什麼是程序？什麼是執行緒？ 程序是表示資源分配的基本單位，又是排程執行的基本單位。例如，使用者執行自己的程式，系統就建立一個程序，併為它分配資源，包括各種表格、記憶體空間、磁碟空間、I/O裝置等。然後，把該程序放人程序的就緒佇列。程序排程程式選中它，為它分配
python電腦鬧鐘和定時執行python程式
#本文也是兩塊內容 1.python電腦鬧鐘 import winsound import time my_hour = input('請輸入時：') my_minute = input('請輸入分：') print('您的鬧鈴已設定成功！等待它叫醒你吧~~~~') while
Python 多程序和多執行緒的效率對比
import time from threading import Thread from multiprocessing import Process def f1(): # time.sleep(1) #io密集型 # 計算型: n = 10 for i in
接口測試基礎三-Python序列化和反序列化
序列 res 了解 col 兩個 分享圖片 -- 演示 address 啥是序列化？啥是反序列化？這兩個詞聽起來優點高大上的意思，其實呢不然，很簡單的可以理解為： 序列化：將python的數據對象編碼轉換為json格式的字符串 反序列化：將json格式的字符串解碼為pyt
JDK1.8--序列排序和並行排序對比
xl_echo編輯整理，交流學習請加1280023003 百戰不敗，依不自稱常勝，百敗不頹，依能奮力前行。——這才是真正的堪稱強大！！ 在 Java 8 中, 集合介面有兩個方法來生成流： stream() − 為集合建立序列流。 parallelStream()
Java jvm 載入機制及 其中解釋執行和編譯執行的區別
jvm載入機制 https://www.cnblogs.com/Qian123/p/5707562.html https://www.cnblogs.com/lingz/archive/2018/07/31/9394238.html 以前有句話說：“Java是解釋執行的 ” 。現在看
什麼是序列化和反序列化 什麼是序列化和並行化
當兩個程序在進行遠端通訊時，彼此可以傳送各種型別的資料。無論是何種型別的資料，都會以二進位制序列的形式在網路上傳送。傳送方需要把這個物件轉換為位元組序列，才能在網路上傳送；接收方則需要把位元組序列再恢復為物件。 1、把物件轉換為位元組序列的過程稱為物件的序列化。
使一段程式碼第一次執行和以後執行結果不同
在學習《C專家程式設計》時，遇到了這段程式碼非常的有意思。 void generate_initializer(char * string) { static char separator = ' '; printf(" %c %s \n",separator,stri
多執行緒並行執行與順序執行（一）
package test; import java.util.Vector; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; /** * 通過 join
編譯執行和解釋執行的區別
解釋執行: 由直譯器根據輸入的資料當場執行而不生成任何的目標程式. 解釋執行程式是高階語言翻譯程式的一種，它將源語言(如BASIC)書寫的源程式作為輸入，解釋一句後就提交計算機執行一句，並不形成目標程式。這種工作方式非常適合於人通過終端裝置與計算機會話，如
python序列化和JSON
為什麼把這兩個放到一起，理由很簡單，不過暫時不解釋。 一，先看python提供的序列化模組pickle import pickle l = ['柯基', '小李', '大華'] lw = pickle.dumps(l) # 把物件轉乘位元組流 也就是序列化 print(lw) with
解釋執行和編譯執行的區別、基於棧和基於暫存器的指令集區別
1. 解釋執行和編譯執行的區別 我們在學習java的時候，對class檔案都有個疑惑，虛擬機器是如何執行發方法中的位元組碼指令的呢？其實 虛擬機器的執行引擎在執行java程式碼的時候有解釋執行和編譯執行兩種選擇。通俗說來，解釋執行是通過直譯器執行，編譯執行即通
Mybatis程式中執行和單獨執行同一條SQL出現結果不一致（部分資料沒有查詢出來）
1.mapper檔案如下所示： <?xml version="1.0" encoding="UTF-8"?><!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybat
js 自動執行 和定時執行
自動執行<script language="JavaScript"><!--window.onload = new function(){ alert( "hi ")}//--></script>定時執行<script languag
iOS block 的 同步執行和非同步執行詳解 加 屬性字串 設定
直接上程式碼：在蘋果的api中的block有些是同步執行的block如： array = [array sortedArrayUsingComparator:^NSComparisonResult(NSString *str1, NSString *str2) {
將MySQL去重操作優化到極致之三彈連發（二）：多執行緒並行執行
上一篇已經將單條查重語句調整到最優，但該語句是以單執行緒方式執行。能否利用多處理器，讓去重操作多執行緒並行執行，從而進一步提高速度呢？比如我的實驗環境是4處理器，如果使用4個執行緒同時執行查重sql，理論上應該接近4倍的效能提升。一、資料分片 我
iOS-GCD的序列佇列和並行佇列的任務及實現
•什麼是GCDGCD全稱是GrandCentral Dispatch,純C語言的，提供了非常多強大的函式 •GCD的優勢 1,GCD是蘋果公司為多核的並行運算提出的解決方案 2,GCD會自動利用更多的
ionic3最小化並且監控到前臺執行和後臺執行
1.安裝外掛ionic cordova plugin add cordova-plugin-appminimize npm install --save @ionic-native/app-minimize 2.建立BackButtonProviderimport { AppMinimize } from '