首页 > 编程 > Python > 正文

python程序中的线程操作 concurrent模块使用详解

2019-11-25 11:41:06
字体:
来源:转载
供稿:网友

一、concurrent模块的介绍

concurrent.futures模块提供了高度封装的异步调用接口

ThreadPoolExecutor:线程池,提供异步调用

ProcessPoolExecutor:进程池,提供异步调用

ProcessPoolExecutorThreadPoolExecutor:两者都实现相同的接口,该接口由抽象Executor类定义。

二、基本方法

submit(fn, *args, **kwargs) :异步提交任务

map(func, *iterables, timeout=None, chunksize=1) :取代for循环submit的操作

shutdown(wait=True) :相当于进程池的pool.close()+pool.join()操作

  • wait=True,等待池内所有任务执行完毕回收完资源后才继续
  • wait=False,立即返回,并不会等待池内的任务执行完毕
  • 但不管wait参数为何值,整个程序都会等到所有任务执行完毕
  • submit和map必须在shutdown之前

result(timeout=None) :取得结果

add_done_callback(fn) :回调函数

三、进程池和线程池

池的功能:限制进程数或线程数.

什么时候限制: 当并发的任务数量远远大于计算机所能承受的范围,即无法一次性开启过多的任务数量 我就应该考虑去限制我进程数或线程数,从保证服务器不崩.

3.1 进程池

from concurrent.futures import ProcessPoolExecutorfrom multiprocessing import Process,current_processimport timedef task(i):  print(f'{current_process().name} 在执行任务{i}')  time.sleep(1)if __name__ == '__main__':  pool = ProcessPoolExecutor(4) # 进程池里又4个进程  for i in range(20): # 20个任务    pool.submit(task,i)# 进程池里当前执行的任务i,池子里的4个进程一次一次执行任务

3.2 线程池

from concurrent.futures import ThreadPoolExecutorfrom threading import Thread,currentThreadimport timedef task(i):  print(f'{currentThread().name} 在执行任务{i}')  time.sleep(1)if __name__ == '__main__':  pool = ThreadPoolExecutor(4) # 进程池里又4个线程  for i in range(20): # 20个任务    pool.submit(task,i)# 线程池里当前执行的任务i,池子里的4个线程一次一次执行任务

四、Map的用法

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutorimport os,time,randomdef task(n):  print('%s is runing' %os.getpid())  time.sleep(random.randint(1,3))  return n**2if __name__ == '__main__':  executor=ThreadPoolExecutor(max_workers=3)  # for i in range(20):  #   future=executor.submit(task,i)  executor.map(task,range(1,21)) #map取代了for+submit

五、同步和异步

理解为提交任务的两种方式

同步: 提交了一个任务,必须等任务执行完了(拿到返回值),才能执行下一行代码

异步: 提交了一个任务,不要等执行完了,可以直接执行下一行代码.

同步:相当于执行任务的串行执行

异步

from concurrent.futures import ProcessPoolExecutorfrom multiprocessing import Process,current_processimport timen = 1def task(i):  global n  print(f'{current_process().name} 在执行任务{i}')  time.sleep(1)  n += i  return nif __name__ == '__main__':  pool = ProcessPoolExecutor(4) # 进程池里又4个线程  pool_lis = []  for i in range(20): # 20个任务    future = pool.submit(task,i)# 进程池里当前执行的任务i,池子里的4个线程一次一次执行任务    # print(future.result()) # 这是在等待我执行任务得到的结果,如果一直没有结果,这里会导致我们所有任务编程了串行                # 在这里就引出了下面的pool.shutdown()方法    pool_lis.append(future)  pool.shutdown(wait=True) # 关闭了池的入口,不允许在往里面添加任务了,会等带所有的任务执行完,结束阻塞  for p in pool_lis:    print(p.result())  print(n)# 这里一开始肯定是拿到0的,因为我只是去告诉操作系统执行子进程的任务,代码依然会继续往下执行  # 可以用join去解决,等待每一个进程结束后,拿到他的结果

六、回调函数

import timefrom threading import Thread,currentThreadfrom concurrent.futures import ThreadPoolExecutordef task(i):  print(f'{currentThread().name} 在执行{i}')  time.sleep(1)  return i**2# parse 就是一个回调函数def parse(future):  # 处理拿到的结果  print(f'{currentThread().name} 结束了当前任务')  print(future.result())if __name__ == '__main__':  pool = ThreadPoolExecutor(4)  for i in range(20):    future = pool.submit(task,i)    '''    给当前执行的任务绑定了一个函数,在当前任务结束的时候就会触发这个函数(称之为回调函数)    会把future对象作为参数传给函数    注:这个称为回调函数,当前任务处理结束了,就回来调parse这个函数    '''    future.add_done_callback(parse)    # add_done_callback (parse) parse是一个回调函数    # add_done_callback () 是对象的一个绑定方法,他的参数就是一个函数

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持武林网。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表