Python-4.26 进程池线程池

concurrent.futures模块提供了高度封装的异步调用接口
ThreadPoolExecutor:线程池,提供异步调用
ProcessPoolExecutor: 进程池,提供异步调用

submit(fn, *args, **kwargs)异步提交任务
shutdown(wait=True) 相当于进程池的pool.close()+pool.join()操作

import os
import random
import time
from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor


def task(name):
    print('name:%s pid:%s run' % (name, os.getpid()))
    time.sleep(random.randint(1, 3))


if __name__ == '__main__':
    pool = ProcessPoolExecutor(4)
    # pool = ThreadPoolExecutor(5)

    for i in range(10):
        pool.submit(task, 'winnie%s' % i)

    pool.shutdown(wait=True)

    print('主')
import os
import random
import time
from concurrent.futures import ThreadPoolExecutor
from threading import currentThread


def task():
    print('name:%s pid:%s run' % (currentThread().getName(), os.getpid()))
    time.sleep(random.randint(1, 3))


if __name__ == '__main__':
    pool = ThreadPoolExecutor(5)

    for i in range(10):
        pool.submit(task, )

    pool.shutdown(wait=True)

    print('主')

使用异步调用机制:提交完任务后,不用等待任务执行完毕

import time
from concurrent.futures import ThreadPoolExecutor

import requests


def get(url):
    print('GET %s' % url)
    response = requests.get(url)
    time.sleep(3)
    return {'url': url, 'content': response.text}


def parse(res):
    res = res.result()
    print('%s parse res is %s' % (res['url'], len(res['content'])))


if __name__ == '__main__':
    urls = [
        'http://www.cnblogs.com/linhaifeng',
        'https://www.python.org',
        'https://www.openstack.org',
    ]

    pool = ThreadPoolExecutor(2)

    for url in urls:
        pool.submit(get, url).add_done_callback(parse)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: Python 提供了 multiprocessing 和 threading 模块,分别支持进程线程池的实现。 进程(multiprocessing.Pool)是一个由多个进程组成的可重用的进程,可以通过 apply、map 等方法很方便地实现并行化计算和任务分配。进程的优点是可以有效地利用多核 CPU 的性能,缺点是由于进程间的切换和通信开销较大,所以适用于计算密集型任务,不适合 IO 密集型任务。 以下是一个简单的进程示例: ```python from multiprocessing import Pool def worker(num): print("Worker %d start" % num) return num * 2 if __name__ == '__main__': pool = Pool(processes=4) result = pool.map(worker, range(10)) print(result) ``` 线程池(concurrent.futures.ThreadPoolExecutor)是一个由多个线程组成的可重用的线程池,可以通过 submit、map 等方法很方便地实现并行化计算和任务分配。线程池的优点是创建和销毁线程的开销比较小,适用于 IO 密集型任务,缺点是 Python 的全局解释锁(GIL)的存在,所以无法利用多核 CPU 的性能。 以下是一个简单的线程池示例: ```python from concurrent.futures import ThreadPoolExecutor def worker(num): print("Worker %d start" % num) return num * 2 if __name__ == '__main__': with ThreadPoolExecutor(max_workers=4) as executor: result = executor.map(worker, range(10)) print(list(result)) ``` 以上示例仅供参考,具体实现还需要根据任务的特点和需求进行调整和优化。 ### 回答2: Python中的进程线程池是用于并行处理任务的工具,可以提高程序的执行效率。它们都是用来管理和调度多个子任务的工作流程。 进程线程池的最大区别在于它们使用的底层执行单元不同。进程使用进程作为执行单元,而线程池使用线程作为执行单元。 进程Python中通过`multiprocessing.Pool`类进行实现,它可以创建多个子进程,并将任务分配给这些子进程进行并行处理。在创建进程时,可以指定最大进程数,以控制并行处理的程度。进程提供了简单易用的接口,如`apply`、`apply_async`等方法,用于提交任务并获取任务的结果。 线程池则是通过`concurrent.futures.ThreadPoolExecutor`类实现的。线程池使用线程作为执行单元,可以同时执行多个任务,并且提供了相似的接口方法用于任务的提交和结果的获取。线程池中的线程可以复用,减少线程创建和销毁的开销。 进程线程池在使用上有一些注意事项。首先,由于Python的全局解释锁(GIL)的存在,多线程在CPU密集型任务中并不能发挥真正的并行性能。但是对于IO密集型任务,使用线程池可以提高程序的执行效率。而进程则在CPU密集型任务中能够实现真正的并行处理。 其次,由于进程间通信的开销较大,进程在内存使用方面可能会比线程池更高。因此,在使用进程时需要注意控制进程的数量,以避免过多的内存消耗。 总结来说,进程适合CPU密集型任务,而线程池适合IO密集型任务。对于需要并行处理的任务,可以根据具体情况选择合适的并发处理方式来提高程序的执行效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值