python result用法_Python concurrent库简单用法

内容：

concurrent库简介

ThreadPoolExecutor.map()

ThreadPoolExecutor.submit()和.as_completed()

concurrent库简介

Python 3.4+的concurrent库用于多线程、并发编程，抽象层次高，使用方便。用得最多的是concurrent里面的futures类，futures又有ThreadPoolExecutor和ProcessPoolExcutor两个子类，前者用于多线程，后者用于多进程。

ThreadPoolExecutor.map()

ThreadPoolExcecutor类使用见下面代码：

from concurrent importfuturesimporttimedeff(x):return x*(8-x)deftest_func(n):print(f"{n} starts!")for i inrange(n):

time.sleep(0.5)return f"n = {n} completed!"

def test(max_workers=4):

with futures.ThreadPoolExecutor(max_workers) as executor:

list1= [ f(x) for x in range(1, max_workers+1)]#it is a iterator of results.

it =executor.map(test_func, list1)print(it)for x init:print(x)if __name__ == "__main__":

m_workers= 6test(m_workers)

Example

解释：上面的例子中，对futures.ThreadPoolExecutor(也就是executor)调用map方法，这个map同内置的map用法一样，第一个参数为只接受一个参数的函数，后一个为可迭代对象。不同的是，这个map方法会把对函数的调用映射到到多个线程中。并返回一个future的迭代器。

其中，f(x)是我特地构造的非单调函数，它返回一个值，决定了test_func()的睡眠时间，也就决定了线程执行完成的先后。

以下是上面例子的结果：

7starts!12starts!15starts!16starts!15starts!12starts!.result_iterator at 0x000002093367AA98>n= 7completed!

n= 12completed!

n= 15completed!

n= 16completed!

n= 15completed!

n= 12 completed!

Result1

上面反映出迭代器it是依照线程启动的顺序来迭代结果的，而非线程完成的先后顺序。it中的元素是各个线程(函数)返回的结果。在实际的运行过程中，it是逐渐等待线程完成(n = 7 - 16)，然后几乎是同时把剩下的结果都打印出来。这说明前面(n = 7 ~ 16)的过程是阻塞的，而后面部分的线程已经全部执行完毕，没有阻塞。

那么当len(list1) > max_workers的时候呢？稍微修改程序：list1 = [ f(x) for x in range(1, max_workers+10)。程序执行结果如下：

7starts!12starts!15starts!16starts!15starts!12starts!.result_iterator at 0x0000029134D25A40> #print(it)

7starts!

n= 7 completed! #开始打印结果了，然而还有线程刚开始

0 starts!

n= 12 completed! #阻塞

-9starts!-20starts!-33starts!-48starts!-65starts!-84starts!-105starts!

n= 15completed!

n= 16completed!

n= 15completed!

n= 12completed!

n= 7completed!

n=0 completed!

n= -9completed!

n= -20completed!

n= -33completed!

n= -48completed!

n= -65completed!

n= -84completed!

n= -105 completed!

Result2

那么这个修改后的Python代码执行过程又是如何呢？(未完)

ThreadPoolExecutor.submit()和futures.as_completed()

.submit(func, *args)接受一个参数，*args的内容作为这个函数的参数，返回一个future对象。

futures.as_completed()返回一个迭代器，跟上吗.map()不同，这个迭代器的迭代顺序依照future返回(线程结束)的顺序。代码如下：

def test_2(max_workers=4):

with futures.ThreadPoolExecutor(max_workers) as executor:

list1= [f(x) for x in range(1, max_workers+1)]

it_ls=[]for x inlist1:

future= executor.submit(test_func, x) #返回一个future

it_ls.append(future)

done_iter= futures.as_completed(it_ls) #as_completed()返回迭代器

print(done_iter)for x in done_iter: #x是future对象

print(x.result())

.submit() 和 .as_completed()

程序执行结果如下：

7starts!12starts!15starts!16starts!15starts!12starts!n= 7completed!

n= 12completed!

n= 12completed!

n= 15completed!

n= 15completed!

n= 16 completed!

Result_3