一篇文章浅析Python自带的线程池和进程池
一篇文章浅析Python自带的线程池和进程池
前言
大家好，我是星期八。
我们都知道，不管是Java，还是C++，还是Go，还是Python，都是有线程这个概念的。
但是我们知道，线程是不能随便创建的，就像每招一个员工一样，是有代价的，无限制招人肯定最后各种崩溃。
所以通常情况下，我们会引出线程池这个概念。
本质就是我就招了几个固定的员工，给他们派活,某一个人的活干完了再去任务中心领取新的活。
防止任务太多，一次性招太多工人，最后系统崩溃。
开心一刻
理想的多线程
实际的多线程
from concurrent.futures import ...
可能也是因为线程池这个东西用的越来越多了吧，从Python3.2+之后，就成了内置模块。
对的，直接就能使用，不需要pip进行安装什么的。
concurrent.futures下面主要有俩接口。
ThreadPoolExecutor线程池。ProcessPoolExecutor进程池。
这里可没有什么所谓的异步池。
个人看法：虽然异步的性能很高，但是目前除了Go以外，其他实现的都不是太好，用法上面有些怪异，当然，你们可以说我菜，我承认。
线程池
示例代码
import time
from concurrent.futures import ThreadPoolExecutor
import random
# max_workers表示工人数量,也就是线程池里面的线程数量
pool = ThreadPoolExecutor(max_workers=10)
# 任务列表
task_list = ["任务1", "任务2", "任务3", "任务4", ]
def handler(task_name):
# 随机睡眠,模仿任务执行时间不确定性
n = random.randrange(5)
time.sleep(n)
print(f"任务内容:{task_name}")
if __name__ == '__main__':
# 遍历任务,
for task in task_list:
"""
交给函数处理,submit会将所有任务都提交到一个地方,不会阻塞
然后线程池里面的每个线程会来取任务,
比如:线程池有3个线程,但是有5个任务
会先取走三个任务,每个线程去处理
其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务
"""
pool.submit(handler, task)
print("main执行完毕")执行结果
发现的问题
其实这个就是并发的，不要怀疑，但是你有没有发现个问题，main先执行，这说明啥？
这说明，我main跑完之后，是不管子线程的死活的。
那能不能设置一下，所有的子线程都执行完之后，main函数在执行完？
当然可以，需要一个参数即可。
pool.shutdown()要完成上述的问题，我们需要一个参数，加上这个参数之后。
就可以让主线程等待所有子线程执行完之后，主线程再执行完。
示例代码
...
if __name__ == '__main__':
# 遍历任务,
for task in task_list:
"""
交给函数处理,submit会将所有任务都提交到一个地方
然后线程池里面的每个线程会来取任务,
比如:线程池有3个线程,但是有5个任务
会先取走三个任务,每个线程去处理
其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务
"""
pool.submit(handler, task)
pool.shutdown()
print("main执行完毕")主要就是13行的pool.shutdown()。
执行结果
这次结果就是我们想要的了，hhh！！！
add_done_callbackadd_done_callback可以理解为是回调函数，线程执行完之后，会自动调用指定的回调函数。
并且能拿到线程执行函数的返回值。
有什么用，我也没用过，怪我才疏学浅叭。
示例代码
import time
from concurrent.futures import ThreadPoolExecutor
import random
from concurrent.futures._base import Future
# max_workers表示工人数量,也就是线程池里面的线程数量
pool = ThreadPoolExecutor(max_workers=10)
# 任务列表
task_list = ["任务1", "任务2", "任务3", "任务4", ]
def handler(task_name):
# 随机睡眠,模仿任务执行时间不确定性
n = random.randrange(5)
time.sleep(n)
print(f"任务内容:{task_name}")
return f"任务内容:{task_name}"
def done(res: Future):
print("done拿到的返回值:", res.result())
if __name__ == '__main__':
# 遍历任务,
for task in task_list:
futrue = pool.submit(handler, task) # type:Future
futrue.add_done_callback(done)
pool.shutdown()
print("main执行完毕")注意：第17，27，28行代码！
执行效果
我想，可能通常用在一些善后工作叭。
多进程方式
其实通过上述几个例子，我们基本是知道怎么使用上面这个线程池了。
但是都知道Python的线程，因为GIL(全局解释器锁)的原因，是不能并发到多个物理核心上的。
所以是IO密集型的，像爬虫，读写文件，使用线程池是ok的。
但是如果说我就是野，就是头铁，非要用Python做计算型应用，像图片压缩、视频流推送，那没办法，需要使用多进程池方式。
其实通过concurrent这个接口，可以很方便的创建进程池，只需要修改两个地方。
...
# 改成导入进程池方式
from concurrent.futures import ProcessPoolExecutor
...
if __name__ == '__main__':
...
# 进程池方式
pool = ProcessPoolExecutor(max_workers=10)
...只需要修改这俩地方即可，其他和上述用法一摸一样。
总结
本篇主要讲的是Python自带的线程池和进程池。
比较有特色的是，ThreadPoolExecutor，ProcessPoolExecutor的接口是一样的。
只需要修改导入的包就行。
concurrent的接口主要有pool.submit(),pool.shutdown(),futrue.add_done_callback()。
基本这几个都够自己用了。
如果在操作过程中有任何问题，记得下面留言，我们看到会第一时间解决问题。
想学习更多关于Python的知识，可以参考学习网址：http://pdcfighting.com/，点击阅读原文，可以直达噢~
------------------- End -------------------