python中ThreadPoolExecutor线程池和ProcessPoolExecutor进程池

Lillian ·

更新时间:2024-11-10

· 441 次阅读

1、ThreadPoolExecutor多线程

<1>为什么需要线程池呢?

<2>标准库concurrent.futures模块

<3>简单使用

<4>as_completed（一次性获取所有的结果）

<5>map()方法

<6>wait()方法

2、ProcessPoolExecutor多进程

<1>同步调用方式: 调用，然后等返回值，能解耦，但是速度慢

<2>异步调用方式：只调用，不等返回值，可能存在耦合，但是速度快

<3>怎么使用异步调用方式，但同时避免耦合的问题？

3、总结

1、ThreadPoolExecutor多线程 <1>为什么需要线程池呢?

对于io密集型，提高执行的效率。

线程的创建是需要消耗系统资源的。

所以线程池的思想就是：每个线程各自分配一个任务，剩下的任务排队等待，当某个线程完成了任务的时候，排队任务就可以安排给这个线程继续执行。

<2>标准库concurrent.futures模块

它提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，
分别实现了对threading模块和multiprocessing模块的进一步抽象。

不仅可以帮我们自动调度线程，还可以做到:

主线程可以获取某一个线程(或者任务)的状态，以及返回值

当一个线程完成的时候，主线程能够立即知道

让多线程和多进程的编码接口一致

<3>简单使用

# -*-coding:utf-8 -*-
from concurrent.futures import ThreadPoolExecutor
import time
# 参数times用来模拟网络请求时间
def get_html(times):
    print("get page {}s finished".format(times))
   return times
# 创建线程池
# 设置线程池中最多能同时运行的线程数目，其他等待
executor = ThreadPoolExecutor(max_workers=2)
# 通过submit函数提交执行的函数到线程池中，submit函数立即返回,不阻塞
# task1和task2是任务句柄
task1 = executor.submit( get_html, (2) )
task2 = executor.submit( get_html, (3) )
# done()方法用于判断某个任务是否完成，bool型，完成返回True，没有完成返回False
print( task1.done() )
# cancel()方法用于取消某个任务，该任务没有放到线程池中才能被取消，如果已经放进线程池子中，则不能被取消
# bool型，成功取消了返回True，没有取消返回False
print( task2.cancel() )
# result()方法可以获取task的执行结果，前提是get_html()函数有返回值
print( task1.result() )
print( task2.result() )
# 结果：
# get page 3s finished
# get page 2s finished
# True
# False
# 2
# 3

ThreadPoolExecutor类在构造实例的时候，传入max_workers参数来设置线程池中最多能同时运行的线程数目
使用submit()函数来提交线程需要执行任务(函数名和参数)到线程池中，并返回该任务的句柄，

注意：submit()不是阻塞的，而是立即返回。

通过submit()函数返回的任务句柄，能够使用done()方法判断该任务是否结束，使用cancel()方法来取消，使用result()方法可以获取任务的返回值，查看内部代码，发现该方法是阻塞的

<4>as_completed（一次性获取所有的结果）

上面虽然提供了判断任务是否结束的方法，但是不能在主线程中一直判断，有时候我们是得知某个任务结束了，就去获取结果，而不是一直判断每个任务有没有结束。这时候就可以使用as_completed方法一次取出所有任务的结果。

# -*-coding:utf-8 -*-
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
# 参数times用来模拟网络请求时间
def get_html(times):
    time.sleep(times)
    print("get page {}s finished".format(times))
    return times
# 创建线程池子
# 设置最多2个线程运行，其他等待
executor = ThreadPoolExecutor(max_workers=2)
urls = [3,2,4]
# 一次性把所有的任务都放进线程池，得到一个句柄，但是最多只能同时执行2个任务
all_task = [ executor.submit(get_html,(each_url)) for each_url in urls ] 
for future in as_completed( all_task ):
    data = future.result()
    print("in main:get page {}s success".format(data))
# 结果
# get page 2s finished
# in main:get page 2s success
# get page 3s finished
# in main:get page 3s success
# get page 4s finished
# in main:get page 4s success
# 从结果可以看到，并不是先传入哪个url，就先执行哪个url，没有先后顺序

<5>map()方法

除了上面的as_completed()方法，还可以使用execumap方法。但是有一点不同，使用map方法，不需提前使用submit方法，
map方法与python标准库中的map含义相同，都是将序列中的每个元素都执行同一个函数。上面的代码就是对urls列表中的每个元素都执行get_html()函数，并分配各线程池。可以看到执行结果与上面的as_completed方法的结果不同，输出顺序和urls列表的顺序相同，就算2s的任务先执行完成，也会先打印出3s的任务先完成，再打印2s的任务完成

# -*-coding:utf-8 -*-
from concurrent.futures import ThreadPoolExecutor,as_completed
import time
# 参数times用来模拟网络请求时间
def get_html(times):
    time.sleep(times)
    print("get page {}s finished".format(times))
    return times
# 创建线程池子
# 设置最多2个线程运行，其他等待
executor = ThreadPoolExecutor(max_workers=2)
urls = [3,2,4]
for result in executor.map(get_html, urls):
    print("in main:get page {}s success".format(result))

结果：

get page 2s finished
get page 3s finished
in main:get page 3s success
in main:get page 2s success
get page 4s finished
in main:get page 4s success

<6>wait()方法

wait方法可以让主线程阻塞，直到满足设定的要求。wait方法接收3个参数，等待的任务序列、超时时间以及等待条件。
等待条件return_when默认为ALL_COMPLETED,表明要等待所有的任务都借宿。可以看到运行结果中，确实是所有任务都完成了，主线程才打印出main，等待条件还可以设置为FIRST_COMPLETED,表示第一个任务完成就停止等待。

超时时间参数可以不设置：

wait()方法和as_completed(), map()没有关系。不管你是用as_completed()，还是用map()方法，你都可以在执行主线程之前使用wait()。
as_completed()和map()是二选一的。

# -*-coding:utf-8 -*-
from concurrent.futures import ThreadPoolExecutor,wait,ALL_COMPLETED,FIRST_COMPLETED
import time
# 参数times用来模拟网络请求时间
def get_html(times):
    time.sleep(times)
    print("get page {}s finished".format(times))
    return times
# 创建线程池子
# 设置最多2个线程运行，其他等待
executor = ThreadPoolExecutor(max_workers=2)
urls = [3,2,4]
all_task = [executor.submit(get_html,(url)) for url in urls]
wait(all_task,return_when=ALL_COMPLETED)
print("main")
# 结果
# get page 2s finished
# get page 3s finished
# get page 4s finished
# main

2、ProcessPoolExecutor多进程 <1>同步调用方式: 调用，然后等返回值，能解耦，但是速度慢

import datetime
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from threading import current_thread
import time, random, os
import requests
def task(name):
    print('%s %s is running'%(name,os.getpid()))
    #print(datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S"))
if __name__ == '__main__':
    p = ProcessPoolExecutor(4)  # 设置
    for i in range(10):
        # 同步调用方式，不仅要调用，还要等返回值
        obj = p.submit(task, "进程pid：")  # 传参方式(任务名，参数),参数使用位置或者关键字参数
        res = obj.result()
    p.shutdown(wait=True)  # 关闭进程池的入口，等待池内任务运行结束
    print("主")
################
################
# 另一个同步调用的demo
def get(url):
    print('%s GET %s' % (os.getpid(),url))
    time.sleep(3)
    response = requests.get(url)
    if response.status_code == 200:
        res = response.text
    else:
        res = "下载失败"
    return res  # 有返回值
def parse(res):
    time.sleep(1)
    print("%s 解析结果为%s" %(os.getpid(),len(res)))
if __name__ == "__main__":
    urls = [
        'https://www.baidu.com',
        'https://www.sina.com.cn',
        'https://www.tmall.com',
        'https://www.jd.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://www.baidu.com',
        'https://www.baidu.com',
        'https://www.baidu.com',
    ]
    p=ProcessPoolExecutor(9)
    l=[]
    start = time.time()
    for url in urls:
        future = p.submit(get,url)  # 需要等结果，所以是同步调用
        l.append(future)
    # 关闭进程池，等所有的进程执行完毕
    p.shutdown(wait=True)
    for future in l:
        parse(future.result())
    print('完成时间:',time.time()-start)
    #完成时间: 13.209137678146362

<2>异步调用方式：只调用，不等返回值，可能存在耦合，但是速度快

def task(name):
    print("%s %s is running" %(name,os.getpid()))
    time.sleep(random.randint(1,3))
if __name__ == '__main__':
    p = ProcessPoolExecutor(4) # 设置进程池内进程
    for i in range(10):
        # 异步调用方式，只调用，不等返回值
        p.submit(task,'进程pid：') # 传参方式(任务名,参数),参数使用位置参数或者关键字参数
    p.shutdown(wait=True)  # 关闭进程池的入口，等待池内任务运行结束
    print('主')
##################
##################
# 另一个异步调用的demo
def get(url):
    print('%s GET %s' % (os.getpid(),url))
    time.sleep(3)
    reponse = requests.get(url)
    if reponse.status_code == 200:
        res = reponse.text
    else:
        res = "下载失败"
    parse(res)  # 没有返回值
def parse(res):
    time.sleep(1)
    print('%s 解析结果为%s' %(os.getpid(),len(res)))
if __name__ == '__main__':
    urls = [
        'https://www.baidu.com',
        'https://www.sina.com.cn',
        'https://www.tmall.com',
        'https://www.jd.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://www.baidu.com',
        'https://www.baidu.com',
        'https://www.baidu.com',
    ]
    p = ProcessPoolExecutor(9)
    start = time.time()
    for url in urls:
        future = p.submit(get,url)
    p.shutdown(wait=True)
    print("完成时间",time.time()-start)#  完成时间 6.293345212936401

<3>怎么使用异步调用方式，但同时避免耦合的问题？

(1)进程池：异步 + 回调函数，，cpu密集型，同时执行，每个进程有不同的解释器和内存空间，互不干扰

def get(url):
    print('%s GET %s' % (os.getpid(), url))
    time.sleep(3)
    response = requests.get(url)
    if response.status_code == 200:
        res = response.text
    else:
        res = '下载失败'
    return res
def parse(future):
    time.sleep(1)
    # 传入的是个对象，获取返回值 需要进行result操作
    res = future.result()
    print("res",)
    print('%s 解析结果为%s' % (os.getpid(), len(res)))
if __name__ == '__main__':
    urls = [
        'https://www.baidu.com',
        'https://www.sina.com.cn',
        'https://www.tmall.com',
        'https://www.jd.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://www.baidu.com',
        'https://www.baidu.com',
        'https://www.baidu.com',
    ]
    p = ProcessPoolExecutor(9)
    start = time.time()
    for url in urls:
        future = p.submit(get,url)
        #模块内的回调函数方法，parse会使用future对象的返回值，对象返回值是执行任务的返回值
        #回调应该是相当于parse(future)
        future.add_done_callback(parse)
   p.shutdown(wait=True)
    print("完成时间",time.time()-start)#完成时间 33.79998469352722

(2)线程池：异步 + 回调函数，IO密集型主要使用方式,线程池:执行操作为谁有空谁执行

def get(url):
    print("%s GET %s" %(current_thread().name,url))
    time.sleep(3)
    reponse = requests.get(url)
    if reponse.status_code == 200:
        res = reponse.text
    else:
        res = "下载失败"
    return res
def parse(future):
    time.sleep(1)
    res = future.result()
    print("%s 解析结果为%s" %(current_thread().name,len(res)))
if __name__ == '__main__':
    urls = [
        'https://www.baidu.com',
        'https://www.sina.com.cn',
        'https://www.tmall.com',
        'https://www.jd.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://www.baidu.com',
        'https://www.baidu.com',
        'https://www.baidu.com',
    ]
    p = ThreadPoolExecutor(4)
    start = time.time()
    for url in urls:
        future = p.submit(get,url)
        future.add_done_callback(parse)
    p.shutdown(wait=True)
    print("主",current_thread().name)
    print("完成时间",time.time()-start)#完成时间 32.52604126930237

3、总结

1、线程不是越多越好，会涉及cpu上下文的切换（会把上一次的记录保存）。

2、进程比线程消耗资源，进程相当于一个工厂，工厂里有很多人，里面的人共同享受着福利资源，，一个进程里默认只有一个主线程，比如：开启程序是进程，里面执行的是线程，线程只是一个进程创建多个人同时去工作。

3、线程里有GIL全局解锁器：不允许cpu调度

4、计算密度型适用于多进程

5、线程：线程是计算机中工作的最小单元

6、进程：默认有主线程 (帮工作)可以多线程共存

7、协程：一个线程，一个进程做多个任务,使用进程中一个线程去做多个任务，微线程

8、GIL全局解释器锁：保证同一时刻只有一个线程被cpu调度

到此这篇关于python中ThreadPoolExecutor线程池和ProcessPoolExecutor进程池的文章就介绍到这了,更多相关python ThreadPoolExecutor 内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！

程池 Python

1024 个赞