线程池
- 普通多线程方案会使用“即时创建,即时销毁”的策略。尽管与创建进程相比,创建线程的时间已经大大的缩短,但是如果提交给线程的任务是执行时间较短,而且执行次数极其频繁,那么服务器将处于不停的创建线程,销毁线程的状态。
- 一个线程的运行时间可以分为3部分:线程的启动时间、线程体的运行时间和线程的销毁时间。在多线程处理的情景中,如果线程不能被重用,就意味着每次创建都需要经过启动、销毁和运行3个过程。这必然会增加系统相应的时间,降低了效率。
- 使用线程池,线程预先被创建并放入线程池中,同时处理完当前任务之后并不销毁而是被安排处理下一个任务,因此能够避免多次创建线程,从而节省线程创建和销毁的开销,能带来更好的性能和系统稳定性。
- 当有任务时,会先判断线程池中是否有空闲的线程(即没有执行任务的线程),若是有,任务会找到空闲线程开始执行;若是没有,线程会在线程池门口等待直到有空闲线程,然后再进入线程池找到线程开始执行。
创建线程池:Python内置包concurrent
用法:
from concurrent.futures import ThreadPoolExecutor
tpool=ThreadPoolExecutor(max_workers)
参数:
- max_workers:线程池中线程数量
- 使用result,可以获取函数的返回值
线程池常用方法
例1:创建线程池
import threading
import time
from concurrent.futures import ThreadPoolExecutor
def test(count):
print(f'count={count},线程名称是:{threading.current_thread().name}')
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
# 往线程池中添加任务
for i in range(6):
data = t.submit(test, i)
结果:
- 可以看到有2个进程在执行任务
- 2句打印在一行是因为这2个线程是同时执行的
例2:取消任务cancel和判断是否完成任务
import threading
import time
from concurrent.futures import ThreadPoolExecutor
def test(count):
print(f'count={count},进程名称是:{threading.current_thread().name}')
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
for i in range(6):
# 往线程池中添加任务
data = t.submit(test, i)
# 符合条件的,取消任务,但是要注意已经开始执行的任务是取消不了的
if i in (1, 5):
data.cancel()
else:
# 获取函数返回值
print(f'data={data.result()},是否完成任务:{data.done()}')
结果:
- 结果中没有执行1和5的任务
wait方法
等待线程池中的任务执行完后再执行其他线程
用法:
wait(fs, timeout=None, return_when=ALL_COMPLETED)
参数:
- fs:表示需要执行的序列
- timeout:等待的最大时间,如果超过这个时间即使线程未执行完成也将返回
- return_when:表示wait返回结果的条件,默认为 ALL_COMPLETED 全部执行完成再返回,FIRST_COMPLETED表示完成第一个任务后就执行主线程
例1:使用ALL_COMPLETED,所有任务都完成后再执行主线程
import threading
import time
from concurrent.futures import ThreadPoolExecutor
from concurrent.futures import wait, ALL_COMPLETED
def test(count):
print(f'count={count},线程名称是:{threading.current_thread().name}')
time.sleep(1)
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
# 往线程池中添加任务
task = [t.submit(test, i) for i in range(4)]
# 等待线程池中任务执行完后再执行主线程
wait(task, return_when=ALL_COMPLETED)
print(f'时间间隔是:{time.time()-start_time},当前线程名称是:{threading.current_thread().name}')
结果:
例2:第一个任务完成后执行主线程
import threading
import time
from concurrent.futures import ThreadPoolExecutor
from concurrent.futures import wait, FIRST_COMPLETED
def test(count):
print(f'count={count},线程名称是:{threading.current_thread().name}')
time.sleep(1)
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
# 往线程池中添加任务
task = [t.submit(test, i) for i in range(4)]
# 等待线程池中任务执行完后再执行主线程
wait(task, return_when=FIRST_COMPLETED)
print(f'时间间隔是:{time.time()-start_time},当前线程名称是:{threading.current_thread().name}')
结果:
- 主线程执行完的时间间隔是1s
- 这里打印时间间隔的语句不一定是在最后一行,她跟count=2和3应该是同时间执行的,所以还有可能在它们前面或者中间或者同一行,
- 执行几次就可以看出来了
as_completed方法
任务未完成时,会阻塞,某个任务完成的时候,会 yield这个任务,出现空闲线程,for循环下面的语句,然后继续阻塞住,循环到所有的任务结束。
先完成的任务会先通知主线程
例:
import threading
import time
from concurrent.futures import ThreadPoolExecutor
from concurrent.futures import as_completed
def test(count):
print(f'count={count},线程名称是:{threading.current_thread().name}')
time.sleep(1)
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
# 往线程池中添加任务
task = [t.submit(test, i) for i in range(4)]
# 等待线程池中任务执行完后再执行主线程
for i in as_completed(task):
data = i.result()
print(f'data={data},当前线程名称是:{threading.current_thread().name}')
print(f'时间间隔是:{time.time()-start_time},当前线程名称是:{threading.current_thread().name}')
结果:
map方法
使用 map 方法,无需提前使用 submit 方法,map 方法与 python 高阶函数 map 的含义相同,都是将序列中的每个元素都执行同一个函数。
上面的代码对列表中的每个元素都执行 spider() 函数,并分配各线程池。
用法:
map(fn, *iterables, timeout=None)
参数:
- fn: 表示需要线程执行的函数;
- iterables:表示接受一个可迭代对象;
- timeout:与wait() 的 timeout 一样,但由于 map 是返回线程执行的结果,如果 timeout小于线程执行时间会抛异常 TimeoutError
例:
import threading
import time
from concurrent.futures import ThreadPoolExecutor
def test(count):
print(f'count={count},线程名称是:{threading.current_thread().name}')
time.sleep(1)
return count
if __name__ == '__main__':
start_time = time.time()
# 创建线程池,里面有2个线程
t = ThreadPoolExecutor(2)
for data in t.map(test, range(4)):
print(f'data={data}')
结果:
- data输出顺序和任务执行顺序相同,就算是任务已完成也还是会优先打印前面还未打印的data