python线程池模块_Python并发编程之线程池/进程池--concurrent.futures模块

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 importThreadPoolExecutorimporturllib.request

URLS= ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']defload_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 inURLS:

future=executor.submit(load_url,url)print(future.done())print('主线程')#运行结果：

False

主线程'https://www.baidu.com/' page is 227bytes'http://www.163.com' page is 662047bytes'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 importProcessPoolExecutorimporturllib.request

URLS= ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']defload_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 inURLS:

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

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 662049bytes'https://www.baidu.com/' page is 227bytes'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 importThreadPoolExecutorimporturllib.request

URLS= ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']defload_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 662047bytes'https://www.baidu.com/' page is 227bytes'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 importThreadPoolExecutor,wait,as_completedimporturllib.request

URLS= ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']defload_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 inURLS:

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 662047bytes'https://www.baidu.com/' page is 227bytes'https://github.com/' page is 54629bytes

DoneAndNotDoneFutures(done={, , }, 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 importThreadPoolExecutor,wait,as_completedimporturllib.request

URLS= ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']defload_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 inURLS:

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 662047bytes

DoneAndNotDoneFutures(done={}, not_done={, })

主线程'https://www.baidu.com/' page is 227bytes'https://github.com/' page is 54629 bytes

应用线程池：

from concurrent.futures importThreadPoolExecutor,ProcessPoolExecutorimportrequestsimporttime,osdefget_page(url):print('<%s> is getting [%s]'%(os.getpid(),url))

response=requests.get(url)if response.status_code==200: #200代表状态：下载成功了

return {'url':url,'text':response.text}defparse_page(res):

res=res.result()print('<%s> is getting [%s]'%(os.getpid(),res['url']))

with open('db.txt','a') as f:

parse_res= 'url:%s size:%s\n'%(res['url'],len(res['text']))

f.write(parse_res)if __name__ == '__main__':#p = ThreadPoolExecutor()

p =ProcessPoolExecutor()

l=['http://www.baidu.com','http://www.baidu.com','http://www.baidu.com','http://www.baidu.com',

]for url inl:

res= p.submit(get_page,url).add_done_callback(parse_page) #这里的回调函数拿到的是一个对象。得

#先把返回的res得到一个结果。即在前面加上一个res.result() #谁好了谁去掉回调函数

#回调函数也是一种编程思想。不仅开线程池用，开线程池也用

p.shutdown() #相当于进程池里的close和join

print('主',os.getpid())

？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？

python线程池模块_Python并发编程之线程池/进程池--concurrent.futures模块相关推荐

python线程通信消息传递_Python并发编程之线程消息通信机制/任务协调（四）
大家好,并发编程进入第四篇. 本文目录前言 Event事件 Condition Queue队列总结 .前言前面我已经向大家介绍了,如何使用创建线程,启动线程.相信大家都会有这样一个想法,线程无非 ...
python线程池模块_python并发编程之进程池，线程池，协程
需要注意一下不能无限的开进程,不能无限的开线程最常用的就是开进程池,开线程池.其中回调函数非常重要回调函数其实可以作为一种编程思想,谁好了谁就去掉只要你用并发,就会有锁的问题,但是你不能一直去 ...
python线程池模块_python并发编程之进程池，线程池，协程（Python标准模块--concurrent.futures（并发未来））...
需要注意一下不能无限的开进程,不能无限的开线程最常用的就是开进程池,开线程池.其中回调函数非常重要回调函数其实可以作为一种编程思想,谁好了谁就去掉只要你用并发,就会有锁的问题,但是你不能一直去 ...
python并发处理list数据_python并发编程之多进程2--------数据共享及进程池和回调函数...
一.数据共享 1.进程间的通信应该尽量避免共享数据的方式 2.进程间的数据是独立的,可以借助队列或管道实现通信,二者都是基于消息传递的. 虽然进程间数据独立,但可以用过Manager实现数据共享,事实 ...
python实现多线程的三种方法threading.Thread(模块)的继承实现和函数实现；以及concurrent.futures模块的线程池实现
1.threading.Thread模块继承实现: import threading import timeclass TestThread(threading.Thread):def __init_ ...
05 Python 并发编程(管道,事件,信号量,进程池)
管道 Conn1,conn2 = Pipe() Conn1.recv() Conn1.send() 数据接收一次就没有了 from multiprocessing import Process,Pip ...
python 消息机制_Python并发编程之线程消息通信机制任务协调（四）
. 前言前面我已经向大家介绍了,如何使用创建线程,启动线程.相信大家都会有这样一个想法,线程无非就是创建一下,然后再start()下,实在是太简单了. 可是要知道,在真实的项目中,实际场景可要我们举 ...
python3 线程隔离_Python并发编程之线程中的信息隔离（五）
大家好,并发编程进入第三篇. 上班第一天,大家应该比较忙吧.小明也是呢,所以今天的内容也很少.只要几分钟就能学完. 昨天我们说,线程与线程之间要通过消息通信来控制程序的执行. 讲完了消息通信,今天就 ...
python互斥锁原理_python并发编程之多进程1------互斥锁与进程间的通信
一.互斥锁进程之间数据隔离,但是共享一套文件系统,因而可以通过文件来实现进程直接的通信,但问题是必须自己加锁处理. 注意:加锁的目的是为了保证多个进程修改同一块数据时,同一时间只能有一个修改,即串行 ...

python线程池模块_Python并发编程之线程池/进程池--concurrent.futures模块

python线程池模块_Python并发编程之线程池/进程池--concurrent.futures模块相关推荐

最新文章

热门文章