Python 多线程抓取图片效率对比

快来打我* 2022-09-30 10:00 225阅读 0赞

# Python 多线程抓取图片效率对比 #

Python由于有全锁局的存在，并不能利用多核优势。所以，如果你的多线程进程是CPU密集型的，那多线程并不能带来效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降；如果是IO密集型，多线程进程可以利用IO阻塞等待时的空闲时间执行其他线程，提升效率。

**目的:**

是学习python 多线程的工作原理，及通过抓取400张图片这种IO密集型应用来查看多线程效率对比

import requests
    import urlparse
    import os
    import time
    import threading
    import Queue
    
    path = '/home/lidongwei/scrapy/owan_img_urls.txt'
    #path = '/home/lidongwei/scrapy/cc.txt'
    fetch_img_save_path = '/home/lidongwei/scrapy/owan_imgs/'
    
    # 读取保存再文件里面400个urls
    with open(path) as f :
      urls = f.readlines()
    
    urls = urls[:400]
    # 使用Queue来线程通信，因为队列是线程安全的（就是默认这个队列已经有锁）
    q = Queue.Queue()
    for url in urls:
      q.put(url)
    
    start = time.time()
    
    def fetch_img_func(q):
      while True:
        try:
          # 不阻塞的读取队列数据
          url = q.get_nowait()
          i = q.qsize()
        except Exception, e:
          print e
          break;
        print 'Current Thread Name Runing %s ... 11' % threading.currentThread().name
        url = url.strip()
        img_path = urlparse.urlparse(url).path
        ext = os.path.splitext(img_path)[1]
        print 'handle %s pic... pic url %s ' % (i, url)
        res = requests.get(url, stream=True)
    
        if res.status_code == 200:
          save_img_path = '%s%s%s' % (fetch_img_save_path, i, ext)
          # 保存下载的图片
          with open(save_img_path, 'wb') as fs:
            for chunk in res.iter_content(1024):
              fs.write(chunk)
            print 'save %s pic ' % i
    
    # 可以开多个线程测试不同效果
    t1 = threading.Thread(target=fetch_img_func, args=(q, ), name="child_thread_1")
    #t2 = threading.Thread(target=fetch_img_func, args=(q, ), name="child_thread_2")
    #t3 = threading.Thread(target=fetch_img_func, args=(q, ), name="child_thread_3")
    #t4 = threading.Thread(target=fetch_img_func, args=(q, ), name="child_thread_4")
    t1.start()
    #t2.start()
    #t3.start()
    #t4.start()
    t1.join()
    #t2.join()
    #t3.join()
    #t4.join()
    
    end = time.time()
    print 'Done %s ' % (end-start)

实验结果

400图片

4线程 Done 12.443133831
    3线程 Done 12.9201757908 
    2线程 Done 32.8628299236
    1线程 Done 54.6115460396

**总结**

Python 自带GIL 大锁， 没有真正意义上的多线程并行执行。GIL 大锁会在线程阻塞的时候释放，此时等待的线程就可以激活工作，这样如此类推，大大提高IO阻塞型应用的效率。