39.python 线程池ThreadPoolExecutor（下）

猿说编程[Python和C]

修改于 2021-04-19 14:47:16

5.7K0

修改于 2021-04-19 14:47:16

文章被收录于专栏：猿说编程猿说编程

紧接着上一篇文章 python 线程池ThreadPoolExecutor（上） 我们继续对线程池深入一点了解，其实python中关于线程池，一共有两个模块：

1.threadpool — 是一个比较老的模块了，现在虽然还有一些人在用，但已经不再是主流了；

2.concurrent.futures — 目前线程池主要使用这个模块，主流模块；

ThreadPoolExecutor常用函数

除了 python 线程池ThreadPoolExecutor（上） 文章中介绍的 submit() / cancel() / done() / result() 函数外，今天还需要额外讲解一下另外几个函数：

1.as_completed

虽然 done() 函数提供了判断任务是否结束的方法，但是并不是太实用，因为我们并不知道线程到底什么时候结束，需要一直判断每个任务有没有结束。这时就可以使用 as_completed() 方法一次取出所有任务的结果。

as_completed() 方法是一个生成器，在没有任务完成的时候，会阻塞，在有某个任务完成的时候，就能继续执行for循环后面的语句，然后继续阻塞住，循环到所有的任务结束。

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): https://www.codersrc.com/
 
@File:python_ThreadPoolExecutor.py
@Time:2019/12/07 21:25
 
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
 
 
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
 
# 参数times用来模拟网络请求的时间
def download_video(index):
    time.sleep(2)
    print("download video {} finished at {}".format(index,time.strftime('%Y-%m-%d %H:%M:%S', time.gmtime())))
    return index
 
executor = ThreadPoolExecutor(max_workers=2)
urls = [1, 2, 3, 4, 5]
all_task = [executor.submit(download_video, (url)) for url in urls]
 
for task in as_completed(all_task):
    data = task.result()
    print("任务{} down load success".format(data))

输出结果：

download video 1 finished at 2019-12-07 02:33:00
任务1 down load success
download video 2 finished at 2019-12-07 02:33:00
任务2 down load success
download video 3 finished at 2019-12-07 02:33:02
任务3 down load success
download video 4 finished at 2019-12-07 02:33:02
任务4 down load success
download video 5 finished at 2019-12-07 02:33:04
任务5 down load success

代码分析：

5个任务，2个线程，由于在线程池构造的时候允许同时最多执行2个线程，所以同时执行任务1和任务2，重代码的输出结果来看，任务1和任务2执行后，for循环进入阻塞状态，直到任务1或者任务2结束之后才会for才会继续执行任务3/任务4，并保证同时执行的最多只有两个任务（关于自定义时间格式请参考：python time模块）.

2.map

和as_completed() 方法不同的是：map()方法能保证任务的顺序性，举个例子：如果同时下载5个视频，就算第二个视频比第一个视频先下载完成，也会阻塞等待第一个视频下载完成并通知主线程之后，第二个下载完成的视频才回通知主线程，保证按照顺序完成任务，下面举个例子说明一下：

from concurrent.futures import ThreadPoolExecutor, as_completed
import time
 
# 参数times用来模拟网络请求的时间
def download_video(index):
    time.sleep(index)
    print("download video {} finished at {}".format(index,time.strftime('%Y-%m-%d %H:%M:%S', time.gmtime())))
    return index
 
executor = ThreadPoolExecutor(max_workers=2)
urls = [3, 2, 1, 4, 5]
 
 
for data in executor.map(download_video,urls):
    print("任务{} down load success".format(data))

输出结果：

download video 2 finished at 2019-12-07 03:38:55
download video 3 finished at 2019-12-07 03:38:56
任务3 down load success
任务2 down load success
download video 1 finished at 2019-12-07 03:38:56
任务1 down load success
download video 4 finished at 2019-12-07 03:39:00
任务4 down load success
download video 5 finished at 2019-12-07 03:39:01
任务5 down load success

代码分析：

重上面的输出结果看来，即便任务2比任务3先完成，for循环输出的内容依旧是提示先完成的任务3再完成任务2，根据列表urls顺序输出，保证任务的顺序性！

3.wait

wait()方法有点类似线程的join()方法，能阻塞主线程，直到线程池中的所有的线程都操作完成！实例代码如下：

from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED, FIRST_COMPLETED
import time
 
# 参数times用来模拟网络请求的时间
def download_video(index):
    time.sleep(2)
    print("download video {} finished at {}".format(index,time.strftime('%Y-%m-%d %H:%M:%S', time.gmtime())))
    return index
 
executor = ThreadPoolExecutor(max_workers=2)
urls = [1, 2, 3, 4, 5]
all_task = [executor.submit(download_video,(url)) for url in urls]
 
wait(all_task,return_when=ALL_COMPLETED)
 
print("main ")

输出结果：

download video 2 finished at 2019-12-07 03:50:22
download video 1 finished at 2019-12-07 03:50:22
download video 3 finished at 2019-12-07 03:50:24
download video 4 finished at 2019-12-07 03:50:24
download video 5 finished at 2019-12-07 03:50:26
main

wait方法接收3个参数，等待的任务序列、超时时间以及等待条件。等待条件return_when默认为ALL_COMPLETED，表明要等待所有的任务都结束。可以看到运行结果中，确实是所有任务都完成了，主线程才打印出main。等待条件还可以设置为FIRST_COMPLETED，表示第一个任务完成就停止等待。