快捷導(dǎo)航

python基于concurrent模塊實(shí)現(xiàn)多線程

更新時(shí)間：2021年04月16日 14:23:38 作者：三只松鼠

這篇文章主要介紹了python基于concurrent模塊實(shí)現(xiàn)多線程，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下

引言

　　之前也寫(xiě)過(guò)多線程的博客，用的是 threading ，今天來(lái)講下 python 的另外一個(gè)自帶庫(kù) concurrent 。concurrent 是在 Python3.2 中引入的，只用幾行代碼就可以編寫(xiě)出線程池/進(jìn)程池，并且計(jì)算型任務(wù)效率和 mutiprocessing.pool 提供的 poll 和 ThreadPoll 相比不分伯仲，而且在 IO 型任務(wù)由于引入了 Future 的概念效率要高數(shù)倍。而 threading 的話還要自己維護(hù)相關(guān)的隊(duì)列防止死鎖，代碼的可讀性也會(huì)下降，相反 concurrent 提供的線程池卻非常的便捷，不用自己操心死鎖以及編寫(xiě)線程池代碼，由于異步的概念 IO 型任務(wù)也更有優(yōu)勢(shì)。

　　concurrent 的確很好用，主要提供了 ThreadPoolExecutor 和 ProcessPoolExecutor 。一個(gè)多線程，一個(gè)多進(jìn)程。但 concurrent 本質(zhì)上都是對(duì) threading 和 mutiprocessing 的封裝?？此脑创a可以知道，所以最底層并沒(méi)有異步。
ThreadPoolExecutor 自己提供了任務(wù)隊(duì)列，不需要自己寫(xiě)了。而所謂的線程池，它只是簡(jiǎn)單的比較當(dāng)前的 threads 數(shù)量和定義的 max_workers 的大小，小于 max_workers 就允許任務(wù)創(chuàng)建線程執(zhí)行任務(wù)。

操作多線程/多進(jìn)程

1、創(chuàng)建線程池

通過(guò) ThreadPoolExecutor 類創(chuàng)建線程池對(duì)象，max_workers 設(shè)置最大運(yùn)行線程數(shù)數(shù)。使用 ThreadPoolExecutor 的好處是不用擔(dān)心線程死鎖問(wèn)題，讓多線程編程更簡(jiǎn)潔。

from concurrent import futures

pool = futures.ThreadPoolExecutor(max_workers = 2)

2、submit

submit(self, fn, *args, **kwargs):

fn：需要異步執(zhí)行的函數(shù)
*args,**kwargs：fn 接受的參數(shù)

該方法的作用就是提交一個(gè)可執(zhí)行的回調(diào)task，它返回一個(gè)Future對(duì)象。可以看出此方法不會(huì)阻塞主線程的執(zhí)行。

import requests,datetime,time
from concurrent import futures

def get_request(url):
    r = requests.get(url)
    print('{}:{}  {}'.format(datetime.datetime.now(),url,r.status_code))

urls = ['https://www.baidu.com','https://www.tmall.com','https://www.jd.com']
pool = futures.ThreadPoolExecutor(max_workers = 2)
for url in urls:
    task = pool.submit(get_request,url)
print('{}主線程'.format(datetime.datetime.now()))
time.sleep(2)


# 輸出結(jié)果
2021-03-12 15:29:10.780141:主線程
2021-03-12 15:29:10.865425:https://www.baidu.com  200
2021-03-12 15:29:10.923062:https://www.tmall.com  200
2021-03-12 15:29:10.940930:https://www.jd.com  200

3、map

map(self, fn, *iterables, timeout=None, chunksize=1):

fn：需要異步執(zhí)行的函數(shù)
*iterables：可迭代對(duì)象

map 第二個(gè)參數(shù)是可迭代對(duì)象，比如 list、tuple 等，寫(xiě)法相對(duì)簡(jiǎn)單。map 方法也不會(huì)阻塞主線程的執(zhí)行。

import requests,datetime,time
from concurrent import futures



def get_request(url):
    r = requests.get(url)
    print('{}:{}  {}'.format(datetime.datetime.now(),url,r.status_code))

urls = ['https://www.baidu.com','https://www.tmall.com','https://www.jd.com']
pool = futures.ThreadPoolExecutor(max_workers = 2)
tasks = pool.map(get_request,urls)
print('{}:主線程'.format(datetime.datetime.now()))
time.sleep(2)


# 輸出結(jié)果
2021-03-12 16:14:04.854452:主線程
2021-03-12 16:14:04.938870:https://www.baidu.com  200
2021-03-12 16:14:05.033849:https://www.jd.com  200
2021-03-12 16:14:05.048952:https://www.tmall.com  200

4、wait

如果要等待子線程執(zhí)行完之后再執(zhí)行主線程要怎么辦呢，可以通過(guò) wait 。

wait(fs, timeout=None, return_when=ALL_COMPLETED):

fs：所有任務(wù) tasks
return_when：有三個(gè)參數(shù) FIRST_COMPLETED：只要有一個(gè)子線程完成則返回結(jié)果。 FIRST_EXCEPTION：只要有一個(gè)子線程拋異常則返回結(jié)果，若沒(méi)有異常則等同于ALL_COMPLETED。 ALL_COMPLETED：默認(rèn)參數(shù)，等待所有子線程完成。

import requests,datetime,time
from concurrent import futures


def get_request(url):
    r = requests.get(url)
    print('{}:{}  {}'.format(datetime.datetime.now(),url,r.status_code))

urls = ['https://www.baidu.com','https://www.tmall.com','https://www.jd.com']
pool = futures.ThreadPoolExecutor(max_workers = 2)
tasks =[]
for url in urls:
    task = pool.submit(get_request,url)
    tasks.append(task)
futures.wait(tasks)
print('{}:主線程'.format(datetime.datetime.now()))
time.sleep(2)


# 輸出結(jié)果
2021-03-12 16:30:13.437042:https://www.baidu.com  200
2021-03-12 16:30:13.552700:https://www.jd.com  200
2021-03-12 16:30:14.117325:https://www.tmall.com  200
2021-03-12 16:30:14.118284:主線程

5、異常處理

as_completed(fs, timeout=None)

所有任務(wù) tasks

使用 concurrent.futures 操作多線程/多進(jìn)程過(guò)程中，很多函數(shù)報(bào)錯(cuò)并不會(huì)直接終止程序，而是什么都沒(méi)發(fā)生。使用 as_completed 可以捕獲異常，代碼如下

import requests,datetime,time
from concurrent import futures

def get_request(url):
    r = requests.get(url)
    print('{}:{}  {}'.format(datetime.datetime.now(),url,r.status_code))

urls = ['www.baidu.com','https://www.tmall.com','https://www.jd.com']
# 創(chuàng)建線程池
pool = futures.ThreadPoolExecutor(max_workers = 2)
tasks =[]
for url in urls:
    task = pool.submit(get_request,url)
    tasks.append(task)
# 異常捕獲 
errors = futures.as_completed(tasks)
for error in errors:
    # error.result()       等待子線程都完成，并拋出異常，中斷主線程
    # 捕獲子線程異常，不會(huì)終止主線程繼續(xù)運(yùn)行
    print(error.exception())
futures.wait(tasks)
print('{}:主線程'.format(datetime.datetime.now()))
time.sleep(2)


# 輸出結(jié)果
Invalid URL 'www.baidu.com': No schema supplied. Perhaps you meant http://www.baidu.com?
2021-03-12 17:24:26.984933:https://www.tmall.com  200
None
2021-03-12 17:24:26.993939:https://www.jd.com  200
None
2021-03-12 17:24:26.994937:主線程

多進(jìn)程編程也類似，將 ThreadPoolExecutor 替換成 ProcessPoolExecutor 。

以上就是python基于concurrent模塊實(shí)現(xiàn)多線程的詳細(xì)內(nèi)容，更多關(guān)于python concurrent實(shí)現(xiàn)多線程的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: