Python爬虫的多线程与多进程的使用场景，以及使用实例代码

本文主要综合三篇文章的内容，分为三个方面理解进程与线程。

 

 

---

前言

python可以实现多线程的方法有

• thread（低版本使用的），threading
• Queue
• multiprocessing

其中threading客户以通过实例方法或者类方法来创建 多线程。

multiprocessing方法可以创建多线程池，用起来比较简洁、方便。

两者的比较

multiprocessing实例化的pool：

Pool可以提供指定数量的线程供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的线程用来执行该请求；但如果池中的线程数已经达到规定最大值，那么该请求就会等待，直到池中有线程结束，才会创建新的线程来它。

threading实例化多线程类：

没有仔细研究过有点，目前姑且认为 multiprocessing更好用，以后更新知识再补充。

一、python多线程 （有点坑）

鸡肋点

名言：

“Python下多线程是鸡肋，推荐使用多进程！”

那当然有同学会问了，为啥？

背景

1、GIL是什么？

GIL的全称是Global Interpreter Lock(全局解释器锁)，来源是python设计之初的考虑，为了数据安全所做的决定。

2、每个CPU在同一时间只能执行一个线程（在单核CPU下的多线程其实都只是并发，不是并行，并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别，并行是指两个或者多个事件在同一时刻发生；而并发是指两个或多个事件在同一时间间隔内发生。）

在Python多线程下，每个线程的执行方式：

• 获取GIL
• 执行代码直到sleep或者是python虚拟机将其挂起。
• 释放GIL

可见，某个线程想要执行，必须先拿到GIL，我们可以把GIL看作是“通行证”，并且在一个python进程中，GIL只有一个。拿不到通行证的线程，就不允许进入CPU执行。

在Python2.x里，GIL的释放逻辑是当前线程遇见IO操作或者ticks计数达到100（ticks可以看作是Python自身的一个计数器，专门做用于GIL，每次释放后归零，这个计数可以通过 sys.setcheckinterval 来调整），进行释放。

而每次释放GIL锁，线程进行锁竞争、切换线程，会消耗资源。并且由于GIL锁存在，python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行)，这就是为什么在多核CPU上，python的多线程效率并不高。

那么是不是python的多线程就完全没用了呢？

在这里我们进行分类讨论：

1、CPU密集型代码(各种循环处理、计数等等)，在这种情况下，由于计算工作多，ticks计数很快就会达到阈值，然后触发GIL的释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以python下的多线程对CPU密集型代码并不友好。<