文章目錄

• • 1. futures.ThreadPoolExecutor
  • 2. 期物
  • 3. 阻塞型I/O和GIL
  • 4. 使用concurrent.futures模塊啟動進程

learning from 《流暢的python》

1. futures.ThreadPoolExecutor

import os import time import sys import requestsPOP20_CC = ('CN IN US ID BR PK NG BD RU JP ' 'MX PH VN ET EG DE IR TR CD FR').split() BASE_URL = 'http://flupy.org/data/flags' DEST_DIR = './'def save_flag(img, filename): # 保存圖像path = os.path.join(DEST_DIR, filename)with open(path, 'wb') as fp:fp.write(img)def get_flag(cc): # 獲取圖像url = '{}/{cc}/{cc}.gif'.format(BASE_URL, cc=cc.lower())resp = requests.get(url)return resp.contentdef show(text): # 打印信息print(text, end=' ')sys.stdout.flush()def download_many(cc_list):for cc in sorted(cc_list):image = get_flag(cc) # 獲取show(cc) # 打印save_flag(image, cc.lower() + '.gif') # 保存return len(cc_list)def main(download_many):t0 = time.time()count = download_many(POP20_CC)elapsed = time.time() - t0msg = '\n{} flags downloaded in {:.2f}s'print(msg.format(count, elapsed)) # 計時信息# ----使用 futures.ThreadPoolExecutor 類實現多線程下載 from concurrent import futuresMAX_WORKERS = 20 # 最多使用幾個線程def download_one(cc):image = get_flag(cc)show(cc)save_flag(image, cc.lower() + '.gif')return ccdef download_many_1(cc_list):workers = min(MAX_WORKERS, len(cc_list))with futures.ThreadPoolExecutor(workers) as executor:# 使用工作的線程數實例化 ThreadPoolExecutor 類；# executor.__exit__ 方法會調用 executor.shutdown(wait=True) 方法，# 它會在所有線程都執行完畢 前阻塞線程res = executor.map(download_one, sorted(cc_list))# download_one 函數 會在多個線程中并發調用；# map 方法返回一個生成器，因此可以迭代， 獲取各個函數返回的值return len(list(res))if __name__ == '__main__':# main(download_many) # 24 秒main(download_many_1) # 3 秒

2. 期物

• 通常不應自己創建期物
• 只能由并發框架（concurrent.futures 或 asyncio）實例化
  原因：期物 表示終將發生的事情，其 執行的時間 已經排定。因此，只有排定把某件事交給 concurrent.futures.Executor 子類處理時，才會創建 concurrent.futures.Future 實例
  例如，Executor.submit() 方法的參數是一個可調用的對象，調用這個方法后會為傳入的可調用對象 排期，并返回一個期物

def download_many_2(cc_list):cc_list = cc_list[:5]with futures.ThreadPoolExecutor(max_workers=3) as executor:to_do = []for cc in sorted(cc_list):future = executor.submit(download_one, cc)# executor.submit 方法排定可調用對象的執行時間，# 然后返回一個 期物，表示這個待執行的操作to_do.append(future) # 存儲各個期物msg = 'Scheduled for {}: {}'print(msg.format(cc, future))results = []for future in futures.as_completed(to_do):# as_completed 函數在期物運行結束后產出期物res = future.result() # 獲取期物的結果msg = '{} result: {!r}'print(msg.format(future, res))results.append(res)return len(results) 輸出： Scheduled for BR: <Future at 0x22da99d2d30 state=running> Scheduled for CN: <Future at 0x22da99e1040 state=running> Scheduled for ID: <Future at 0x22da99e1b20 state=running> Scheduled for IN: <Future at 0x22da99ec520 state=pending> Scheduled for US: <Future at 0x22da99ecd00 state=pending> CN <Future at 0x22da99e1040 state=finished returned str> result: 'CN' BR <Future at 0x22da99d2d30 state=finished returned str> result: 'BR' ID <Future at 0x22da99e1b20 state=finished returned str> result: 'ID' IN <Future at 0x22da99ec520 state=finished returned str> result: 'IN' US <Future at 0x22da99ecd00 state=finished returned str> result: 'US'5 flags downloaded in 3.20s

3. 阻塞型I/O和GIL

CPython 解釋器本身就不是線程安全的，因此有全局解釋器鎖（GIL）， 一次只允許使用一個線程執行 Python 字節碼。因此，一個 Python 進程 通常不能同時使用多個 CPU 核心

標準庫中所有執行阻塞型 I/O 操作的函數，在等待操作系統返回結果時 都會釋放 GIL。
這意味著在 Python 語言這個層次上可以使用多線程，而 I/O 密集型 Python 程序能從中受益：一個 Python 線程等待網絡響應時，阻塞型 I/O 函數會釋放 GIL，再運行一個線程（網絡下載，文件讀寫都屬于 IO 密集型）

4. 使用concurrent.futures模塊啟動進程

這個模塊實現的是真正 的并行計算，因為它使用 ProcessPoolExecutor 類把工作分配給多個 Python 進程處理。
因此，如果需要做 CPU 密集型處理，使用這個模塊 能繞開 GIL，利用所有可用的 CPU 核心

點擊查看：進程、線程概念差異

使用 concurrent.futures 模塊能特別輕松地 把 基于線程 的方案轉成 基于進程 的方案

ProcessPoolExecutor 的價值體現在 CPU 密集型 作業上

總結

以上是生活随笔為你收集整理的python 使用期物处理并发的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。