最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
concurrent.futures
Python3.2带来了 concurrent.futures
模块,这个模块具有线程池和进程池、管理并行编程任务、处理非确定性的执行流程、进程/线程同步等功能。
此模块由以下部分组成:
-
concurrent.futures.Executor
: 这是一个虚拟基类,提供了异步执行的方法。 -
submit(function, argument)
: 调度函数(可调用的对象)的执行,将argument
作为参数传入。 -
map(function, argument)
: 将argument
作为参数执行函数,以 异步 的方式。 -
shutdown(Wait=True)
: 发出让执行者释放所有资源的信号。 -
concurrent.futures.Future
: 其中包括函数的异步执行。Future对象是submit任务(即带有参数的functions)到executor的实例。
Executor是抽象类,可以通过子类访问,即线程或进程的 ExecutorPools
。因为,线程或进程的实例是依赖于资源的任务,所以最好以“池”的形式将他们组织在一起,作为可以重用的launcher或executor。
使用线程池
线程池或进程池是用于在程序中优化和简化线程/进程的使用。通过池,你可以提交任务给executor。池由两部分组成,一部分是内部的队列,存放着待执行的任务;另一部分是一系列的进程或线程,用于执行这些任务。池的概念主要目的是为了重用:让线程或进程在生命周期内可以多次使用。它减少了创建创建线程和进程的开销,提高了程序性能。重用不是必须的规则,但它是程序员在应用中使用池的主要原因。
current.Futures
模块提供了两种 Executor
的子类,各自独立操作一个线程池和一个进程池。这两个子类分别是:
-
concurrent.futures.ThreadPoolExecutor(max_workers)
-
max_workers
参数表示最多有多少个worker并行执行任务。
下面的示例代码展示了线程池和进程池的功能。这里的任务是,给一个list number_list
,包含1到10。
- 通过有5个worker的线程池执行
线程池运行
然后,我们使用了 futures.ThreadPoolExecutor
模块的线程池跑了一次::
if name == “main”:
start_time_1 = time.time()
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
for item in number_list:
executor.submit(evaluate_item, item)
print(“线程池计算的时间:” + str(time.time() - start_time_1), “秒”)
executor1 = concurrent.futures.ThreadPoolExecutor(max_workers=5)
for item in number_list:
executor1.submit(evaluate_item, item)
executor1.shutdown()
print(“线程池计算的时间:” + str(time.time() - start_time_1), “秒”)
ThreadPoolExecutor
使用线程池中的一个线程执行给定的任务。池中一共有5个线程,每一个线程从池中取得一个任务然后执行它。当任务执行完成,再从池中拿到另一个任务。
当所有的任务执行完成后,打印出执行用的时间:
print(“线程池计算的时间:” + str(time.time() - start_time_1), “秒”)
-- coding: utf-8 --
import time
import os
import concurrent.futures
import requests
import parsel
“”“图片保存文件夹”“”
dir_name = ‘images’
if not os.path.exists(dir_name):
os.mkdir(dir_name)
os.chdir(dir_name)
else:
os.chdir(dir_name)
def get_img_urls(url):
“”“下载图片”“”
response = requests.get(url)
html = response.text
print(html)
“”“解析网页中的内容”“”
sel = parsel.Selector(html)
divs = sel.css(‘.tagbqppdiv’)
for div in divs:
link = div.css(‘img.ui::attr(data-original)’).extract_first()
name = div.css(‘a::attr(title)’).extract_first()
yield link, name
def download_img(link: str, name: str):
“”“下载并保存图片”“”
try:
suffix = link.split(‘.’)[-1]
response = requests.get(link)
with open(name + ‘.’ + suffix, mode=‘wb’) as f:
f.write(response.content)
except OSError:
print(‘文件名非法’)
def main():
url = ‘https://fabiaoqing.com/biaoqing/lists/page/2.html’
links = get_img_urls(url)
for link in links:
download_img(*link)
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!