Question

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？在第二种方法中，线程在被激活后结束了吗？或者它是否保留在内存中并启动新线程？（多线程）

Answer 1

Timer为每个已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。

当每个线程在它产生另一个active_count之后立即退出时保持不变，但是不断有新的线程被创建和销毁，这会导致开销。我会说第一种方法肯定更好。

尽管间隔非常小，但你不会真正看到太大的差异。

Answer 2

以下是如何自行测试的示例：

在第二种方法中，线程在被激活后结束了吗？或者它是否保留在内存中并启动新线程？（多线程）

import threading

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

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

我也将200改为.2所以不会花那么长时间。

线程数永远是3。

然后我这样做了：

top -pid 24767

#TH列永远不会改变。

所以，你的答案是：我们没有足够的信息知道Python是否为所有计时器维护一个计时器线程，或者在计时器运行后立即结束并清理线程，但我们可以肯定线程不会粘在一起堆积。（如果你想知道前者发生了哪一个，你可以，例如，打印线程ID。）

另一种找出方法是查看来源。正如the documentation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Thread的子类的事实已经告诉您每个Timer都是Thread。事实上，它“作为一个例子”意味着它应该易于阅读。如果单击文档链接到the source，您可以看到它是多么微不足道。大部分工作都是由Event完成的，但这是在同一个源文件中，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（因此它会阻塞直到它超时，或者你通过调用cancel来通知条件），然后退出。

我回答一个子问题并解释我是如何做到这一点的原因，而不是回答每个子问题，是因为我认为对你走同样的步骤会更有用。

进一步反思，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，该程序在200秒内无需执行任何操作，请对sleep进行阻止调用。或者，更简单，只需完成工作并退出，并选择一个外部工具来安排脚本每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线程，信号处理程序和/或事件循环 - 那么你将无法获得sleep工作。如果Timer效率太低，请转到PyPI或ActiveState，找到一个更好的计时器，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.alarm或setitimer，如果您正在使用事件循环，请将计时器构建到主循环中。）

我无法想到sleep和Timer都是严重竞争者的任何用例。

循环中“time.sleep”与“threading.Timer”的资源使用情况

2 个答案: