Python并发编程之线程池/进程池之concurrent.futures模块

怼烎@ 2021-12-10 02:37 319阅读 0赞

运行环境：python 3.6.0

## 一、关于concurrent.futures模块 ##

Python 的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 import ThreadPoolExecutor
    import urllib.request
    URLS = ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']
    def load_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 in URLS:
        future = executor.submit(load_url,url)
        print(future.done())
    
    print('主线程')
    
    
    # 运行结果
    """
    False
    False
    False
    主线程
    'https://www.baidu.com/' page is 227 bytes
    'http://www.163.com' page is 696441 bytes
    'https://github.com/' page is 86916 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 import ProcessPoolExecutor
    import urllib.request
    URLS = ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']
    def load_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main
    
        for url in URLS:
            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
    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 696441 bytes
    'https://www.baidu.com/' page is 227 bytes
    'https://github.com/' page is 86916 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 import ThreadPoolExecutor
    import urllib.request
    URLS = ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']
    def load_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
    'https://www.baidu.com/' page is 227 bytes
    'http://www.163.com' page is 696411 bytes
    'https://github.com/' page is 86916 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 import ThreadPoolExecutor,wait,as_completed
    import urllib.request
    URLS = ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']
    def load_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 in URLS:
        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 696411 bytes
    'https://github.com/' page is 86916 bytes
    'https://www.baidu.com/' page is 227 bytes
    DoneAndNotDoneFutures(done={<Future at 0x1d8dca46e10 state=finished returned NoneType>, <Future at 0x1d8dc8a8ba8 state=finished returned NoneType>, <Future at 0x1d8dca46358 state=finished returned NoneType>}, 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 import ThreadPoolExecutor,wait,as_completed
    import urllib.request
    URLS = ['http://www.163.com', 'https://www.baidu.com/', 'https://github.com/']
    def load_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 in URLS:
        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 696411 bytes
    DoneAndNotDoneFutures(done={<Future at 0x21403f58cc0 state=finished returned NoneType>}, not_done={<Future at 0x214040f3e10 state=running>, <Future at 0x214040f33c8 state=running>})
    主线程
    'https://www.baidu.com/' page is 227 bytes
    'https://github.com/' page is 86916 bytes
    """

**应用线程池：**

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
    import requests
    import time,os
    def get_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}
    def parse_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 in l:
            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())
    
    
    # 运行结果：
    """
    <5956> is getting [http://www.baidu.com]
    <2792> is getting [http://www.baidu.com]
    <5956> is getting [http://www.baidu.com]
    <8216> is getting [http://www.baidu.com]
    <7032> is getting [http://www.baidu.com]
    <8216> is getting [http://www.baidu.com]
    <8216> is getting [http://www.baidu.com]
    <8216> is getting [http://www.baidu.com]
    主 8216
    """