python多进程加多线程爬虫_python 爬虫 多线程 多进程

一、程序、进程和线程的理解

程序：就相当于一个应用(app)，例如电脑上打开的一个程序。

进程：程序运行资源(内存资源)分配的最小单位，一个程序可以有多个进程。

线程：cpu最小的调度单位，必须依赖进程而存在。线程没有独立资源，所有线程共享该进程的全部资源。线程的划分尺度比进程更小。

关系：

一个程序至少有一个进程，一个进程至少有一个线程.

资源：进程拥有独立资源，线程依赖于进程，没有独立资源，所有该进程的线程共享所在进程的所有资源。

划分尺度：线程的划分尺度小于进程(资源比进程少)，使得多线程程序并发性更高。

优缺点：

线程：线程的执行开销小，但不利于资源的管理和保存。

进程：多个进程之间相互独立，不利于进程间信息交互。进程拥有独立资源。

在设计数据交互频繁的场景，多进程比多进程更加适合。

在并发程度上，多进程比多线程的效率更高。

二、如何通过多线程和多进程提高程序的运行速度？

a、提高程序的运行速度的第一种方法：提高cpu的利用率。

解决的方式：cpu不用休息就可以做到。

现在我们的程序一般只有一个主线程

如果在程序中遇到：阻塞。一旦阻塞了，cpu就休息了。休息的这段时间，就浪费了cpu的资源。

有两种方式可以阻塞：1、time.sleep()　　　　2、遇到io操作

多线程：多个任务。cpu会在这多个任务之间切换，如果其中一个线程阻塞了，cpu不会休息，会处理其他线程。

b、提高程序运行速度第二种方法：增加cpu处理的个数，让每个cpu处理一个任务。

cpu是多核的。---利用cpu的多核进行解决。---cpu每一个核处理一个进程。--用多进程去处理。

c、并发和并行。

三、Python中的threading模块

1、开启多线程

a、使用threading模块

b、 使用自定线程类的形式来创建线程

1、需要继承threading.Thread

2、保证父类的init方法能够被调用

3、步骤

继承Thread

重写run方法

实例化线程类，就相当于创建一个线程，用这个对象调用start()方法就可以启动这个线程

如果自定义线程类要实现init方法，必须先调动父类的init方法。

2、查看线程的名称

使用线程对象.name查看(默认是Thread-1,Thread-2....)

自定义名称：其实就是给self.name赋值

3、查看线程的数量

threading.enumerate()--可以查看当前进程中的线程的数量