文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Python并发编程之线程池/进程池

2023-06-02 08:49

关注

原文来自开源中国

前言

python标准库提供线程和多处理模块来编写相应的多线程/多进程代码,但当项目达到一定规模时,频繁地创建/销毁进程或线程是非常消耗资源的,此时我们必须编写自己的线程池/进程池来交换时间空间。但是从Python3.2开始,标准库为我们提供了并发的。Futures模块,它提供两个类:ThreadPool Executor和ProcessPool Executor。它实现线程和多处理的进一步抽象,并为编写线程池/进程池提供直接支持。

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。

使用submit来操作线程池/进程池

我们先通过下面这段代码来了解一下线程池的概念

# example1.pyfrom concurrent.futures import ThreadPoolExecutorimport timedef return_future_result(message):    time.sleep(2)    return messagepool = ThreadPoolExecutor(max_workers=2)  # 创建一个最大可容纳2个task的线程池future1 = pool.submit(return_future_result, ("hello"))  # 往线程池里面加入一个taskfuture2 = pool.submit(return_future_result, ("world"))  # 往线程池里面加入一个taskprint(future1.done())  # 判断task1是否结束time.sleep(3)print(future2.done())  # 判断task2是否结束print(future1.result())  # 查看task1返回的结果print(future2.result())  # 查看task2返回的结果

让我们根据操作结果进行分析。我们使用submit方法将任务添加到线程池,submit返回一个将来的对象,这可以简单地理解为将来要完成的操作。在第一份印刷声明中,很明显我们的未来1由于时间的原因没有完成。睡眠(2),因为我们使用时间挂起了主线程。sleep(3),所以到第二个print语句时,线程池中的所有任务都已完成。

ziwenxie :: ~ » python example1.pyFalseTruehelloworld# 在上述程序执行的过程中,通过ps命令我们可以看到三个线程同时在后台运行ziwenxie :: ~ » ps -eLf | grep pythonziwenxie      8361  7557  8361  3    3 19:45 pts/0    00:00:00 python example1.pyziwenxie      8361  7557  8362  0    3 19:45 pts/0    00:00:00 python example1.pyziwenxie      8361  7557  8363  0    3 19:45 pts/0    00:00:00 python example1.py

上面的代码我们也可以改写为进程池形式,api和线程池如出一辙,我就不罗嗦了。

# example2.pyfrom concurrent.futures import ProcessPoolExecutorimport timedef return_future_result(message):    time.sleep(2)    return messagepool = ProcessPoolExecutor(max_workers=2)future1 = pool.submit(return_future_result, ("hello"))future2 = pool.submit(return_future_result, ("world"))print(future1.done())time.sleep(3)print(future2.done())print(future1.result())print(future2.result())

下面是运行结果

ziwenxie :: ~ » python example2.pyFalseTruehelloworldziwenxie :: ~ » ps -eLf | grep pythonziwenxie      8560  7557  8560  3    3 19:53 pts/0    00:00:00 python example2.pyziwenxie      8560  7557  8563  0    3 19:53 pts/0    00:00:00 python example2.pyziwenxie      8560  7557  8564  0    3 19:53 pts/0    00:00:00 python example2.pyziwenxie      8561  8560  8561  0    1 19:53 pts/0    00:00:00 python example2.pyziwenxie      8562  8560  8562  0    1 19:53 pts/0    00:00:00 python example2.py
使用map/wait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,下面我们通过两个例子来比较一下两者的区别。

使用submit操作回顾

# example3.pyimport concurrent.futuresimport urllib.requestURLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/']def load_url(url, timeout):    with urllib.request.urlopen(url, timeout=timeout) as conn:        return conn.read()# We can use a with statement to ensure threads are cleaned up promptlywith concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:    # Start the load operations and mark each future with its URL    future_to_url = {executor.submit(load_url, url, 60): url for url in URLS}    for future in concurrent.futures.as_completed(future_to_url):        url = future_to_url[future]        try:            data = future.result()        except Exception as exc:            print('%r generated an exception: %s' % (url, exc))        else:            print('%r page is %d bytes' % (url, len(data)))

从运行结果可以看出,as_completed不是按照URLS列表元素的顺序返回的。

ziwenxie :: ~ » python example3.py'http://example.com/' page is 1270 byte'https://api.github.com/' page is 2039 bytes'http://httpbin.org' page is 12150 bytes

使用map

# example4.pyimport concurrent.futuresimport urllib.requestURLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/']def load_url(url):    with urllib.request.urlopen(url, timeout=60) as conn:        return conn.read()# We can use a with statement to ensure threads are cleaned up promptlywith concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:    for url, data in zip(URLS, executor.map(load_url, URLS)):        print('%r page is %d bytes' % (url, len(data)))

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。

ziwenxie :: ~ » python example4.py'http://httpbin.org' page is 12150 bytes'http://example.com/' page is 1270 bytes'https://api.github.com/' page is 2039 bytes

第三种选择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。

我们通过下面这个例子来看一下三个参数的区别

from concurrent.futures import ThreadPoolExecutor, wait, as_completedfrom time import sleepfrom random import randintdef return_after_random_secs(num):    sleep(randint(1, 5))    return "Return of {}".format(num)pool = ThreadPoolExecutor(5)futures = []for x in range(5):    futures.append(pool.submit(return_after_random_secs, x))print(wait(futures))# print(wait(futures, timeout=None, return_when='FIRST_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。

ziwenxie :: ~ » python example5.pyDoneAndNotDoneFutures(done={<Future at 0x7f0b06c9bc88 state=finished returned str>,<Future at 0x7f0b06cbaa90 state=finished returned str>,<Future at 0x7f0b06373898 state=finished returned str>,<Future at 0x7f0b06352ba8 state=finished returned str>,<Future at 0x7f0b06373b00 state=finished returned str>}, not_done=set())

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。

ziwenxie :: ~ » python example5.pyDoneAndNotDoneFutures(done={<Future at 0x7f84109edb00 state=finished returned str>,<Future at 0x7f840e2e9320 state=finished returned str>,<Future at 0x7f840f25ccc0 state=finished returned str>},not_done={<Future at 0x7f840e2e9ba8 state=running>,<Future at 0x7f840e2e9940 state=running>})
阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯