Python中程序大量时间消耗在lock.acquire和time.sleep上，如何优化性能？
在执行 Profile 的时候发现大量的时间消耗在了这两个方法上，个人认为主要原因在于如下的代码：
event = threading.Event()
socket.write(data)
while request_id not in results:
event.clear()
event.wait()
result = results[request_id]
print result
result = socket.read()
results[request_id] = result
event.set()
上面代码的目的是为了把异步的网络请求转为同步请求，客户端在请求发出去之后就进入阻塞状态，直到服务端的响应返回值后，我在读取数据到 results 之后唤醒请求线程，之后请求线程继续执行。
我有两个问题想请问下各位大佬：
- 上面的代码是产生图片中方法时间消耗的原因吗？
- 上面的代码会对性能产生影响吗，影响有多大？
- Python 有没有什么更好的方式来实现异步的通信转为同步呢？
谢谢大家！！！😋
Python中程序大量时间消耗在lock.acquire和time.sleep上，如何优化性能？
19 回复
用 coroutinepython<br>async def hello():<br> print("Hello world!")<br> r = await asyncio.sleep(1)<br> print("Hello again!")<br>
锁和sleep卡住程序，多半是设计问题。核心思路是减少锁竞争和避免无意义等待。
1. 减少锁粒度 别用大锁，按数据拆分。比如全局字典，可以按key分片用多个锁：
import threading
from typing import Any
class ShardedDict:
def __init__(self, num_shards=16):
self.shards = [{} for _ in range(num_shards)]
self.locks = [threading.Lock() for _ in range(num_shards)]
def _get_shard(self, key):
return hash(key) % len(self.shards)
def get(self, key) -> Any:
shard_id = self._get_shard(key)
with self.locks[shard_id]:
return self.shards[shard_id].get(key)
def set(self, key, value):
shard_id = self._get_shard(key)
with self.locks[shard_id]:
self.shards[shard_id][key] = value
2. 用队列替代sleep轮询 别用sleep检查状态，用queue阻塞等待：
import queue
import threading
task_queue = queue.Queue()
def worker():
while True:
# 没任务时自动阻塞，不占CPU
task = task_queue.get()
process(task)
def producer():
task_queue.put(new_task) # 放任务自动唤醒worker
3. 换无锁数据结构 考虑用multiprocessing.Manager的Queue，或者直接上multiprocessing共享内存。
4. 检查锁持有时间 用cProfile看哪里持锁太久：
python -m cProfile -o profile_stats.py my_program.py
总结：拆锁、换队列、改架构。
