Python并发复习4- concurrent.futures模块(线程池和进程池)

Python标准库为我们提供了threading（多线程模块）和multiprocessing（多进程模块）。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的更高级的抽象，对编写线程池/进程池提供了直接的支持。

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。

核心原理是：concurrent.futures会以子进程的形式，平行的运行多个python解释器，从而令python程序可以利用多核CPU来提升执行速度。由于子进程与主解释器相分离，所以他们的全局解释器锁也是相互独立的。每个子进程都能够完整的使用一个CPU内核，可以利用multiprocessing实现真正的并行计算。

---

 最大公约数案例：

 1 from concurrent.futures.process import ProcessPoolExecutor
 2 from concurrent.futures.thread import ThreadPoolExecutor
 3 
 4 import time
 5 
 6 def program_timer(func):
 7     def inner(*args, **kwargs):
 8         start = time.time()
 9         result = func(*args, **kwargs)
10         end = time.time()
11         print(f'{func.__name__}共耗时{end-start}')
12         return result
13     return inner
14 
15 
16 def gcd(pair):
17     a, b = pair
18     low = min(a, b)
19     for i in range(low, 0, -1):
20         if a % i == 0 and b % i == 0:
21             return i
22 
23 numbers = [
24     (1963309, 2265973), (1879675, 2493670), (2030677, 3814172),
25     (1551645, 2229620), (1988912, 4736670), (2198964, 7876293)
26 ]
27 
28 @program_timer
29 def _main1(): # 普通执行
30     for i in numbers:
31         gcd(i)
32 
33 @program_timer
34 def _main2(): # 多线程
35     pool = ThreadPoolExecutor(max_workers=2)
36     pool.map(gcd, numbers)
37 
38 @program_timer
39 def _main3(): # 多进程
40     pool = ProcessPoolExecutor(max_workers=2)
41     pool.map(gcd, numbers)
42 
43 if __name__ == '__main__':
44     _main1()
45     _main2()
46     _main3()

 执行结果：

_main1共耗时0.7035946846008301
_main2共耗时0.030988216400146484
_main3共耗时0.42536211013793945

 

转载于:https://www.cnblogs.com/geoffreyone/p/9873672.html