在python 進程、線程 (一)中簡單的說過，CPython中的GIL使得同一時刻只能有一個線程運行，即并發執行。并且即使是多核CPU，GIL使得同一個進程中的多個線程也無法映射到多個CPU上運行，這么做最初是為了安全著想，慢慢的也成為了限制CPython性能的問題。
　　
　　就像是一個線程想要執行，就必須得到GIL，否則就不能拿到CPU資源。但是也不是說一個線程在拿到CPU資源后就一勞永逸，在執行的過程中GIL可能會釋放并被其他線程獲取，所以說其它的線程會與本線程競爭CPU資源。
　　
　　在understand GIL：http://www.dabeaz.com/python/UnderstandingGIL.pdf中有關于GIL釋放和GIL的概要。
　　
　　多線程在python2中：當一個線程進行I/O的時候會釋放鎖，另外當ticks計數達到100（ticks可以看作是Python自身的一個計數器，也可對比著字節碼指令理解，專門做用于GIL，每次釋放后歸零，這個計數可以通過 sys.setcheckinterval 來調整)。鎖釋放之后，就涉及到線程的調度，線程的鎖進行，線程的切換。這是會消耗CPU資源，因此會造成程序性能問題和等待時延。特別是在CPU密集型代碼時。
　　
　　但是對于多進程，GIL就無法限制，多個進程可以再多個CPU上運行，充分利用多核優勢。事情往往是相對的，雖然可以充分利用多核優勢，但是進程之間的切換卻比線程的切換代價更高。
　　
　　所以選擇多線程還是多進程，主要還是看怎樣權衡代價，什么樣的情況。
　　
　　1、CPU密集代碼
　　
　　下面來利用斐波那契數列模擬CPU密集運算。
　　
　　def fib(n):
　　
　　# 求斐波那契數列的第n個值
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　<1>、多進程
　　
　　打印第25到35個斐波那契數，并計算程序運行時間
　　
　　import time
　　
　　from concurrent.futures import ThreadPoolExecutor, as_completed
　　
　　from concurrent.futures import ProcessPoolExecutor
　　
　　def fib(n):
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　if __name__ == "__main__":
　　
　　with ProcessPoolExecutor(3) as executor: # 使用進程池控制 每次執行3個進程
　　
　　all_task = [executor.submit(fib, (num)) for num in range(25,35)]
　　
　　start_time = time.time()
　　
　　for future in as_completed(all_task):
　　
　　data = future.result()
　　
　　print("exe result: {}".format(data))
　　
　　print("last time is: {}".format(time.time()-start_time))
　　
　　# 輸出
　　
　　exe result: 75025
　　
　　exe result: 121393
　　
　　exe result: 196418
　　
　　exe result: 317811
　　
　　exe result: 514229
　　
　　exe result: 832040
　　
　　exe result: 1346269
　　
　　exe result: 2178309
　　
　　exe result: 3524578
　　
　　exe result: 5702887
　　
　　last time is: 4.457437038421631
　　
　　輸出結果，每次打印三個exe result，總重打印十個結果，多進程運行時間為4.45秒
　　
　　<2>、多線程
　　
　　import time
　　
　　from concurrent.futures import ThreadPoolExecutor, as_completed
　　
　　from concurrent.futures import ProcessPoolExecutor
　　
　　def fib(n):
　　
　　if n<=2:
　　
　　return 1
　　
　　return fib(n-1)+fib(n-2)
　　
　　if __name__ == "__main__":
　　
　　with ThreadPoolExecutor(3) as executor: # 使用線程池控制 每次執行3個線程
　　
　　all_task = [executor.submit(fib, (num)) for num in range(25,35)]
　　
　　start_time = time.time()
　　
　　for future in as_completed(all_task):
　　
　　data = future.result()
　　
　　print("exe result: {www.gcyl152.com/ }".format(data))
　　
　　print("last time is: {}".format(time.time()-start_time))
　　
　　# 輸出
　　
　　exe result: 121393
　　
　　exe result: 75025
　　
　　exe result: 196418
　　
　　exe result: 317811
　　
　　exe result: 514229
　　
　　exe result: 832040
　　
　　exe result: 1346269
　　
　　exe result: 2178309
　　
　　exe result: 3524578
　　
　　exe result: 5702887
　　
　　last time is: 7.3467772006988525
　　
　　最終程序運行時間為7.34秒
　　
　　程序的執行之間與計算機的性能有關，每天計算機的執行時間都會有差異。從上述結果中看顯然多線程比多進程要耗費時間。這就是因為對于密集代碼(密集運算，循環語句等)，tick計數很快達到100，GIL來回的釋放競爭，線程之間頻繁切換，所以對于密集代碼的執行中，多線程性能不如對進程。
　　
　　第一步導入依賴
　　
　　implementation 'com.squareup.retrofit2:adapter-rxjava2:2.4.0'
　　
　　implementation 'com.squareup.retrofit2:converter-gson:2.4.0'
　　
　　implementation 'io.reactivex.rxjava2:rxandroid:2.1.0'
　　
　　implementation 'cn.bingoogolapple:bga-banner:2.2.4@aar'
　　
　　創建BaseService
　　
　　import java.util.Map;
　　
　　import io.reactivex.Observable;
　　
　　import okhttp3.ResponseBody;
　　
　　import retrofit2.http.GET;
　　
　　import retrofit2.http.POST;
　　
　　import retrofit2.http.QueryMap;
　　
　　import retrofit2.http.Url;
　　
　　public interface BaseService {
　　
　　@GET
　　
　　Observable<ResponseBody> get(@Url String url, @QueryMap Map<String, String> map);
　　
　　@POST
　　
　　Observable<ResponseBody>www.gcyL157.com post(@Url www.michenggw.com String url, @QueryMap Map<String, String> map);
　　
　　工具類
　　
　　import java.io.IOException;
　　
　　import java.util.HashMap;
　　
　　import java.util.Map;
　　
　　import io.reactivex.Observer;
　　
　　import io.reactivex.www.yigouyule2.cn android.schedulers.AndroidSchedulers;
　　
　　import io.reactivex.disposables.Disposable;
　　
　　import io.reactivex.schedulers.Schedulers;
　　
　　import okhttp3.ResponseBody;
　　
　　import retrofit2.Retrofit;
　　
　　import retrofit2.adapter.rxjava2.RxJava2CallAdapterFactory;
　　
　　public class HttpHelper11 www.mhylpt.com{
　　
　　private BaseService mBaseService;
　　
　　public HttpHelper11(){
　　
　　Retrofit retrofit=new Retrofit.Builder()
　　
　　.addCallAdapterFactory(RxJava2CallAdapterFactory.create())
　　
　　.baseUrl("http://www.zhaoapi.cn/")
　　
　　.build();
　　
　　mBaseService=retrofit.create(BaseService.class);
　　
　　}
　　
　　//get請求
　　
　　public HttpHelper11 get(String url, Map<String,String> map){
　　
　　if(map==null){
　　
　　map=new HashMap<>();
　　
　　}
　　
　　mBaseService.get(url,map)
　　
　　.subscribeOn(Schedulers.io(www.mcyllpt.com/))
　　
　　.observeOn(AndroidSchedulers.mainThread())
　　
　　.subscribe(observer);
　　
　　return this;
　　
　　}
　　
　　//post請求
　　
　　public HttpHelper11 post(String url, Map<String,String> map){
　　
　　if(map==null){
　　
　　map=new HashMap<www.dfgjyl.cn>();
　　
　　}
　　
　　mBaseService.post(url,map)
　　
　　.subscribeOn(Schedulers.io())
　　
　　.observeOn(AndroidSchedulers.mainThread())
　　
　　.subscribe(observer);
　　
　　return this;
　　
　　}
　　
　　private Observer observer=new Observer<ResponseBody>() {
　　
　　@Override
　　
　　public void onSubscribe(Disposable d) {
　　
　　}
　　
　　@Override
　　
　　public void onNext(ResponseBody responseBody) {
　　
　　try {
　　
　　String data= responseBody.string();
　　
　　listener.success(data);
　　
　　} catch (IOException e) {
　　
　　e.printStackTrace(www.365soke.com);
　　
　　}
　　
　　}
　　
　　@Override
　　
　　public void onError(Throwable e) {
　　
　　String error= e.getMessage();
　　
　　listener.fail(error);
　　
　　}
　　
　　@Override
　　
　　public void onComplete() {
　　
　　}
　　
　　};
　　
　　private HttpListener listener;
　　
　　public void result(HttpListener listener){
　　
　　this.listener=listener;
　　
　　}
　　
　　public interface HttpListener {
　　
　　void success(String data);
　　
　　void fail(String error);
　　
　　}
　　
　　}

總結

以上是生活随笔為你收集整理的Retrofit+RxJava联网工具类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。