中国领先的IT技术网站
|
|

Python并发编程之线程池/进程池

Python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。

作者:ZiWenXie来源:ZiWenXie|2017-01-10 13:39

Tech Neo技术沙龙 | 11月25号,九州云/ZStack与您一起探讨云时代网络边界管理实践


引言

Python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。

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。关于在Python中进行异步IO可以阅读完本文之后参考我的Python并发编程之协程/异步IO

p.s: 如果你依然在坚守Python2.x,请先安装futures模块。

  1. pip install futures 

使用submit来操作线程池/进程池

我们先通过下面这段代码来了解一下线程池的概念

  1. # example1.py 
  2. from concurrent.futures import ThreadPoolExecutor 
  3. import time 
  4. def return_future_result(message): 
  5.     time.sleep(2) 
  6.     return message 
  7. pool = ThreadPoolExecutor(max_workers=2)  # 创建一个最大可容纳2个task的线程池 
  8. future1 = pool.submit(return_future_result, ("hello"))  # 往线程池里面加入一个task 
  9. future2 = pool.submit(return_future_result, ("world"))  # 往线程池里面加入一个task 
  10. print(future1.done())  # 判断task1是否结束 
  11. time.sleep(3) 
  12. print(future2.done())  # 判断task2是否结束 
  13. print(future1.result())  # 查看task1返回的结果 
  14. print(future2.result())  # 查看task2返回的结果 

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。在第一个print语句中很明显因为time.sleep(2)的原因我们的future1没有完成,因为我们使用time.sleep(3)暂停了主线程,所以到第二个print语句的时候我们线程池里的任务都已经全部结束。

  1. ziwenxie :: ~ » python example1.py 
  2. False 
  3. True 
  4. hello 
  5. world 
  6. # 在上述程序执行的过程中,通过ps命令我们可以看到三个线程同时在后台运行 
  7. ziwenxie :: ~ » ps -eLf | grep python 
  8. ziwenxie      8361  7557  8361  3    3 19:45 pts/0    00:00:00 python example1.py 
  9. ziwenxie      8361  7557  8362  0    3 19:45 pts/0    00:00:00 python example1.py 
  10. ziwenxie      8361  7557  8363  0    3 19:45 pts/0    00:00:00 python example1.py 

上面的代码我们也可以改写为进程池形式,api和线程池如出一辙,我就不罗嗦了。

  1. # example2.py 
  2. from concurrent.futures import ProcessPoolExecutor 
  3. import time 
  4. def return_future_result(message): 
  5.     time.sleep(2) 
  6.     return message 
  7. pool = ProcessPoolExecutor(max_workers=2
  8. future1 = pool.submit(return_future_result, ("hello")) 
  9. future2 = pool.submit(return_future_result, ("world")) 
  10. print(future1.done()) 
  11. time.sleep(3) 
  12. print(future2.done()) 
  13. print(future1.result()) 
  14. print(future2.result()) 

下面是运行结果

  1. ziwenxie :: ~ » python example2.py 
  2. False 
  3. True 
  4. hello 
  5. world 
  6. ziwenxie :: ~ » ps -eLf | grep python 
  7. ziwenxie      8560  7557  8560  3    3 19:53 pts/0    00:00:00 python example2.py 
  8. ziwenxie      8560  7557  8563  0    3 19:53 pts/0    00:00:00 python example2.py 
  9. ziwenxie      8560  7557  8564  0    3 19:53 pts/0    00:00:00 python example2.py 
  10. ziwenxie      8561  8560  8561  0    1 19:53 pts/0    00:00:00 python example2.py 
  11. ziwenxie      8562  8560  8562  0    1 19:53 pts/0    00:00:00 python example2.py 

使用map/wait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,下面我们通过两个例子来比较一下两者的区别。

使用submit操作回顾

  1. # example3.py 
  2. import concurrent.futures 
  3. import urllib.request 
  4. URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
  5. def load_url(url, timeout): 
  6.     with urllib.request.urlopen(url, timeouttimeout=timeout) as conn: 
  7.         return conn.read() 
  8. # We can use a with statement to ensure threads are cleaned up promptly 
  9. with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
  10.     # Start the load operations and mark each future with its URL 
  11.     future_to_url = {executor.submit(load_url, url, 60): url for url in URLS} 
  12.     for future in concurrent.futures.as_completed(future_to_url): 
  13.         url = future_to_url[future] 
  14.         try: 
  15.             data = future.result() 
  16.         except Exception as exc: 
  17.             print('%r generated an exception: %s' % (url, exc)) 
  18.         else: 
  19.             print('%r page is %d bytes' % (url, len(data))) 

从运行结果可以看出,as_completed不是按照URLS列表元素的顺序返回的

  1. ziwenxie :: ~ » python example3.py 
  2. 'http://example.com/' page is 1270 byte 
  3. 'https://api.github.com/' page is 2039 bytes 
  4. 'http://httpbin.org' page is 12150 bytes 

使用map

  1. # example4.py 
  2. import concurrent.futures 
  3. import urllib.request 
  4. URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
  5. def load_url(url): 
  6.     with urllib.request.urlopen(url, timeout=60) as conn: 
  7.         return conn.read() 
  8. # We can use a with statement to ensure threads are cleaned up promptly 
  9. with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
  10.     for url, data in zip(URLS, executor.map(load_url, URLS)): 
  11.         print('%r page is %d bytes' % (url, len(data))) 

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。

  1. ziwenxie :: ~ » python example4.py 
  2. 'http://httpbin.org' page is 12150 bytes 
  3. 'http://example.com/' page is 1270 bytes 
  4. 'https://api.github.com/' page is 2039 bytes 

第三种选择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。

我们通过下面这个例子来看一下三个参数的区别

  1. from concurrent.futures import ThreadPoolExecutor, wait, as_completed 
  2. from time import sleep 
  3. from random import randint 
  4. def return_after_random_secs(num): 
  5.     sleep(randint(1, 5)) 
  6.     return "Return of {}".format(num) 
  7. pool = ThreadPoolExecutor(5) 
  8. futures = [] 
  9. for x in range(5): 
  10.     futures.append(pool.submit(return_after_random_secs, x)) 
  11. print(wait(futures)) 
  12. # print(wait(futures, timeout=Nonereturn_when='FIRST_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。

ziwenxie :: ~ » python example5.py
DoneAndNotDoneFutures(done={
<Future at 0x7f0b06c9bc88 state=finished returned str>,
<Future at 0x7f0b06cbaa90 state=finished returned str>,
<Future at 0x7f0b06373898 state=finished returned str>,
<Future at 0x7f0b06352ba8 state=finished returned str>,
<Future at 0x7f0b06373b00 state=finished returned str>}, not_done=set())

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。

  1. ziwenxie :: ~ » python example5.py 
  2. DoneAndNotDoneFutures(done={ 
  3. <Future at 0x7f84109edb00 state=finished returned str>, 
  4. <Future at 0x7f840e2e9320 state=finished returned str>, 
  5. <Future at 0x7f840f25ccc0 state=finished returned str>}, 
  6. not_done={<Future at 0x7f840e2e9ba8 state=running>, 
  7. <Future at 0x7f840e2e9940 state=running>}) 

思考题

写一个小程序对比multiprocessing.pool(ThreadPool)和ProcessPollExecutor(ThreadPoolExecutor)在执行效率上的差距,结合上面提到的Future思考为什么会造成这样的结果。

【编辑推荐】

  1. 盘点十大隐藏在Python中的彩蛋

  2. Python爬虫爬取美剧网站

  3. Python程序员都该用的一个库

  4. Python正则表达式re模块简明笔记

  5. 这些方法助力Python开发者提高效率

【责任编辑:seeker TEL:(010)68476606】


点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

精通SOA:基于服务总线的Struts+EJB+Web Service

Java的出现,实现了跨操作系统平台的程序开发,以Java为基础的J2EE技术已经成为因特网服务技术的主流。然而,以J2EE为基础的SOA架构技术必...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊
× CTO训练营(深圳站)