【deepseek用例生成平台-30】实测：多线程并发和数据问题

本教程涉及较多的难点，为了照顾新手粉丝的理解体验，我们会穿插实测章节。通过简单的demo来学习后续复杂的算法，并起到类似mock的作用，忽略复杂的外部环境，加快调试速度。

比如本章节，旨在为新人介绍多线程的应用...

回顾一下，我们正式章节的业务需求：

我们需要编写一个并发功能，将多个接收到的需求进行优化设置，并批量发送给AI接口，同时将最终的内容记录在一起。

首先，我们创建一个AI发送接口的函数，不会进行实际请求，而是模拟请求，结果是一个列表，假装是Content拆解后的字符列表。

首先以等价类为例：

输出如下：

假装这个列表res，就是我们请求AI后得到的结果。

接下来，我们设计第二个用例方案：边界值

结果如下：

我们再加上随机时间消耗和记录。

如图，输出结果为：

从时间上可以看出，此时两次调用是顺序执行的。于是，我们接下来要将这两次调用以多线程的方式同时输出，这就需要一个控制函数：begin

如图所示，我们几乎是同时启动了两次调用。每次调用随机消耗时间，我这里一个3秒，一个5秒。结果如下：

到这里，我们的多线程似乎成功了。接下来要解决的问题是，如何将结果汇总到一个列表中。

这时就需要使用类来帮助我们：

上图中，最终结果都汇总到了类变量self.end_res中。

结果如下：

可以看到，两次调用是同时开始的，并且在各自结束后，主线程打印了end_res变量，里面成功获取了两次的汇总（两个拆解后的列表假装是AI的返回）。

但是...还没有结束...

在最终结果中我们并不知道两个列表中，哪个是等价类，哪个是边界值的。所以我们还需要再次修改一下res：

最终结果变成了这样：

然后我们似乎还漏掉了一个设计，就是之前我们Content并不是直接拿来用的，而是进行了一个统一的提示词后缀。

所以再修改如下：

提示词等我们正式使用时再写吧~

结果如下：

如上图可见，这个算法算是通过了。

本节到此结束，欢迎继续关注哦~