首页 / PYTHON / Python并发编程之线程池/进程池--concurrent.futures模块

Python并发编程之线程池/进程池--concurrent.futures模块

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python并发编程之线程池/进程池--concurrent.futures模块，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4957字，纯文字阅读大概需要8分钟。

内容图文

一、关于concurrent.futures模块

Python标准库为我们提供了threading和multiprocessing模块编写相应的多线程/多进程代码，但是当项目达到一定的规模，频繁创建/销毁进程或者线程是非常消耗资源的，这个时候我们就要编写自己的线程池/进程池，以空间换时间。但从Python3.2开始，标准库为我们提供了concurrent.futures模块，它提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，实现了对threading和multiprocessing的进一步抽象，对编写线程池/进程池提供了直接的支持。

1.Executor和Future：

 

　　concurrent.futures模块的基础是Exectuor，Executor是一个抽象类，它不能被直接使用。但是它提供的两个子类ThreadPoolExecutor和ProcessPoolExecutor却是非常有用，顾名思义两者分别被用来创建线程池和进程池的代码。我们可以将相应的tasks直接放入线程池/进程池，不需要维护Queue来操心死锁的问题，线程池/进程池会自动帮我们调度。

 

　　Future这个概念相信有java和nodejs下编程经验的朋友肯定不陌生了，你可以把它理解为一个在未来完成的操作，这是异步编程的基础，传统编程模式下比如我们操作queue.get的时候，在等待返回结果之前会产生阻塞，cpu不能让出来做其他事情，而Future的引入帮助我们在等待的这段时间可以完成其他的操作。

　　p.s: 如果你依然在坚守Python2.x，请先安装futures模块。 

pip install futures

 

二、操作线程池/进程池

1.使用submit来操作线程池/进程池： 

            #
             线程池：
            from concurrent.futures import ThreadPoolExecutor
import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]
def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))

executor = ThreadPoolExecutor(max_workers=3)

for url in URLS:
    future = executor.submit(load_url,url)
    print(future.done())

print(‘主线程‘)

# 运行结果：False
False
False
主线程
‘https://www.baidu.com/‘ page is 227 bytes
‘http://www.163.com‘ page is 662047 bytes
‘https://github.com/‘ page is 54629 bytes

　　我们根据运行结果来分析一下。我们使用submit方法来往线程池中加入一个task，submit返回一个Future对象，对于Future对象可以简单地理解为一个在未来完成的操作。由于线程池异步提交了任务，主线程并不会等待线程池里创建的线程执行完毕，所以执行了print(‘主线程‘)，相应的线程池中创建的线程并没有执行完毕，故future.done()返回结果为False。 

            #
             进程池：同上
            from concurrent.futures import ProcessPoolExecutor
import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]
def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))

executor = ProcessPoolExecutor(max_workers=3)
if__name__ == ‘__main__‘: # 要加mainfor url in URLS:
        future = executor.submit(load_url,url)
        print(future.done())
    print(‘主线程‘)

#运行结果：
False  #　子进程只完成创建，并没有执行完成False　
False
主线程　＃　子进程创建完成就会向下执行主线程，并不会等待子进程执行完毕
‘http://www.163.com‘ page is 662049 bytes
‘https://www.baidu.com/‘ page is 227 bytes
‘https://github.com/‘ page is 54629 bytes

2.使用map来操作线程池/进程池：

　　除了submit，Exectuor还为我们提供了map方法，和内建的map用法类似： 

            from concurrent.futures import ThreadPoolExecutor
import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]
def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))

executor = ThreadPoolExecutor(max_workers=3)

executor.map(load_url,URLS)

print(‘主线程‘)

# 运行结果：主线程
‘http://www.163.com‘ page is 662047 bytes
‘https://www.baidu.com/‘ page is 227 bytes
‘https://github.com/‘ page is 54629 bytes

　　从运行结果可以看出，map是按照URLS列表元素的顺序返回的，并且写出的代码更加简洁直观，我们可以根据具体的需求任选一种。

 

3.wait：

　　wait方法接会返回一个tuple(元组)，tuple中包含两个set(集合)，一个是completed(已完成的)另外一个是uncompleted(未完成的)。使用wait方法的一个优势就是获得更大的自由度，它接收三个参数FIRST_COMPLETED, FIRST_EXCEPTION 和ALL_COMPLETE，默认设置为ALL_COMPLETED。

　　如果采用默认的ALL_COMPLETED，程序会阻塞直到线程池里面的所有任务都完成，再执行主线程： 

            from concurrent.futures import ThreadPoolExecutor,wait,as_completed
import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]
def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))

executor = ThreadPoolExecutor(max_workers=3)

f_list = []
for url in URLS:
    future = executor.submit(load_url,url)
    f_list.append(future)
print(wait(f_list))

print(‘主线程‘)

# 运行结果：‘http://www.163.com‘ page is 662047 bytes
‘https://www.baidu.com/‘ page is 227 bytes
‘https://github.com/‘ page is 54629 bytes
DoneAndNotDoneFutures(done={<Future at 0x2d0f898 state=finished returned NoneType>, <Future at 0x2bd0630 state=finished returned NoneType>, <Future at 0x2d27470 state=finished returned NoneType>}, not_done=set())
主线程

　　如果采用FIRST_COMPLETED参数，程序并不会等到线程池里面所有的任务都完成。 

            from concurrent.futures import ThreadPoolExecutor,wait,as_completed
import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]
def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))

executor = ThreadPoolExecutor(max_workers=3)

f_list = []
for url in URLS:
    future = executor.submit(load_url,url)
    f_list.append(future)
print(wait(f_list,return_when=‘FIRST_COMPLETED‘))

print(‘主线程‘)

# 运行结果：‘http://www.163.com‘ page is 662047 bytes
DoneAndNotDoneFutures(done={<Future at 0x2bd15c0 state=finished returned NoneType>}, not_done={<Future at 0x2d0d828 state=running>, <Future at 0x2d27358 state=running>})
主线程
‘https://www.baidu.com/‘ page is 227 bytes
‘https://github.com/‘ page is 54629 bytes

 

 

　　？写一个小程序对比multiprocessing.pool(ThreadPool)和ProcessPollExecutor(ThreadPoolExecutor)在执行效率上的差距，结合上面提到的Future思考为什么会造成这样的结果？

 

原文：http://www.cnblogs.com/dylan-wu/p/7163823.html

内容总结

以上是互联网集市为您收集整理的Python并发编程之线程池/进程池--concurrent.futures模块全部内容，希望文章能够帮你解决Python并发编程之线程池/进程池--concurrent.futures模块所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1234267.html

来源：【匿名】