资讯专栏INFORMATION COLUMN

7-并发编程

Cheriselalala / 3358人阅读

摘要:进程线程切换都需要使用一定的时间。子进程在中,如果要运行系统命令,会使用来运行,官方建议使用方法来运行系统命令,更高级的用法是直接使用其接口。

多线程 简单示例

对于CPU计算密集型的任务,python的多线程跟单线程没什么区别,甚至有可能会更慢,但是对于IO密集型的任务,比如http请求这类任务,python的多线程还是有用处。在日常的使用中,经常会结合多线程和队列一起使用,比如,以爬取simpledestops 网站壁纸为例:

import os 
from datetime import datetime 
from queue import Queue
from threading import Thread
import requests
requests.packages.urllib3.disable_warnings()

from bs4 import BeautifulSoup
import re

if not os.path.exists("img"):
    os.mkdir("img")

# 声明一个队列
Q = Queue()

def producer(pages):
    for page in range(1,pages+1):
        # 提取每一页的图片 url 加入队列
        print("[-] 收集第 {} 页".format(str(page)))
        url = "http://simpledesktops.com/browse/"+str(page)+"/"
        r = requests.get(url,verify=False)
        html = r.text
        soup = BeautifulSoup(html,"html.parser")
        try:
            imgs = soup.find_all("img")
            for img in imgs:
                img_url = img["src"]
                Q.put(img_url)
        except:
            pass

def worker(i):
   # 取出队列的值,按顺序取,下载图片
    while not Q.empty():
        img_url = Q.get()
        text = re.search("(http://static.simpledesktops.com/uploads/desktops/d+/d+/d+/(.*?png)).*?png",img_url)
        new_img_url = text.group(1)

        r = requests.get(new_img_url,verify=False)
        path = "img/"+text.group(2)
        print("[-] 线程 {} 开始下载 {} 开始时间:{}".format(i,text.group(2),datetime.now()))

        with open(path,"wb") as f:
            f.write(r.content)
    
    Q.all_tasks_done


if __name__ =="__main__":
    # 一定要将数据加入队列,否则是启动不了的,因为队列为空 
    producer(50)
    # 线程的声明
    ts = [Thread(target=worker,args=(i,)) for i in range(50)]
    for t in ts:
        t.start()

    for t in ts:
        t.join()

我们使用start启动多线程,使用 join 防止主线程退出的时候结束所有的线程,使用队列有序的且并发的下载壁纸。 仔细观察就会发现代码其实有迹可循,更改其中的爬取内容的部分代码后,我们就可以应用于爬取别的网站。

ThreadLocal

按照道理来说,多线程中,每个线程的处理逻辑应该是相同的,但是其处理的数据,却不一定是相同的,如果数据是全局的,那么我们就需要加锁,防止数据混乱,这样一来就会麻烦很多,所以线程处理的数据最好是局部的、其他线程不能干扰的。

代码示例:

# coding: utf-8 

import threading,time
import requests
requests.packages.urllib3.disable_warnings()
from datetime import datetime 

local_variable = threading.local()

# 逻辑处理函数
def worker():
    print("每个线程启动的时间: ",datetime.now())
    time.sleep(10)
    url = local_variable.url
    r = requests.get(url,verify=False)
    print(r.url,datetime.strftime(datetime.now(),"%H:%M:%S"),threading.current_thread().name)

# 线程处理函数
def process_thread(url):
    local_variable.url = url
    worker()


if __name__ == "__main__":
    ts = [threading.Thread(target=process_thread,args=(url,))for url in ["https://www.baidu.com","https://www.google.com","https://www.bing.com"]]
    for t in ts:
        t.start()

    for t in ts:

        t.join()

输出:

线程Thread-1 启动的时间:2019-01-09 11:25:18.339631
线程Thread-2 启动的时间:2019-01-09 11:25:18.340646
线程Thread-3 启动的时间:2019-01-09 11:25:18.342635
https://www.baidu.com/ 11:25:28 Thread-1
https://cn.bing.com/ 11:25:29 Thread-3
https://www.google.com/ 11:25:29 Thread-2
多进程 进程池

python中使用 multiprocessing 来创建多进程,如果要创建多个子进程,则需要使用 进程池 Pool 来创建,一个简单的例子:

from multiprocessing import Pool
import os 
from datetime import datetime 


"""
@param {type} int
@return: None
"""
def print_num(i):
    print("进程{} 打印 {}".format(os.getpid(),i))


if __name__ == "__main__":
    p = Pool(4)
    for i in range(100):
        p.apply_async(print_num,args=(i,))
    # 关闭进程池,不再加入进程
    p.close()
    # 防止主进程结束,子进程无法继续运行
    p.join()
    

输出:

进程2624 打印 0
进程2625 打印 1
进程2626 打印 3
进程2627 打印 2
进程2624 打印 4
进程2625 打印 5
进程2626 打印 6
进程2627 打印 7
进程2624 打印 8
...

进程可以实现并行运行代码,但是一旦进程太多,CPU运行不过来也是需要进行等待,用了多进程以后,就可以不使用队列了,也可以实现多线程的效果

除此之外,还可以多进程和多线程结合起来使用,一个简单的例子

from multiprocessing import Pool
import threading
import os,time 
import queue 
from datetime import datetime 

def producer(i):
    Q = queue.Queue()
    start = 25*(i-1)
    end = 100 * int(i / 4)

    for x in range(start,end):
        Q.put(x)
  
    
    return Q

def process_thread(Q,j):
    while not Q.empty():
        item = Q.get()
        print("进程{}: 线程{} 正在消耗:{} 时间:{}".format(os.getpid(),j,item,datetime.now()))

    Q.all_tasks_done


def tasks(i):
    Q = producer(i)
    ts = [threading.Thread(target=process_thread,args=(Q,j)) for j in range(10)]
    for t in ts:
        t.start()
    for t in ts:
        t.join()


if __name__ == "__main__":
    start = datetime.now()
    p = Pool(4)
    for i in range(1,5):
        print(i)
        p.apply_async(tasks,args=(i,))
    p.close()
    p.join()
    end = datetime.now()
    waste = end-start
    print("一共花费了: {}".format(waste))
    

先将要处理的数据,填进队列,然后创建4个进程,10个线程运行。 其输出为:

"""
(venv) C:projectlibraries-python>python bulit-in-libraries	hreadingmultithreading.py
进程17020: 线程0 正在消耗:1 时间:2019-01-09 12:50:48.701523
进程17020: 线程1 正在消耗:2 时间:2019-01-09 12:50:48.703521
进程17020: 线程3 正在消耗:4 时间:2019-01-09 12:50:48.704365
进程17020: 线程2 正在消耗:3 时间:2019-01-09 12:50:48.704365

进程2804: 线程0 正在消耗:5 时间:2019-01-09 12:50:48.706349
进程2804: 线程1 正在消耗:6 时间:2019-01-09 12:50:48.707352
进程2804: 线程4 正在消耗:9 时间:2019-01-09 12:50:48.708355
进程2804: 线程3 正在消耗:8 时间:2019-01-09 12:50:48.708355
进程2804: 线程2 正在消耗:7 时间:2019-01-09 12:50:48.708355

进程16060: 线程0 正在消耗:10 时间:2019-01-09 12:50:48.728409
进程16060: 线程1 正在消耗:11 时间:2019-01-09 12:50:48.730413
进程16060: 线程4 正在消耗:14 时间:2019-01-09 12:50:48.732418
进程16060: 线程3 正在消耗:13 时间:2019-01-09 12:50:48.732418
进程16060: 线程2 正在消耗:12 时间:2019-01-09 12:50:48.732418

进程7588: 线程3 正在消耗:18 时间:2019-01-09 12:50:48.761808
进程7588: 线程4 正在消耗:19 时间:2019-01-09 12:50:48.761808
进程7588: 线程0 正在消耗:15 时间:2019-01-09 12:50:48.761808
进程7588: 线程1 正在消耗:16 时间:2019-01-09 12:50:48.761808
进程7588: 线程2 正在消耗:17 时间:2019-01-09 12:50:48.761808

后来实验了打印出10万个数,4个进程,每个进程400个线程,花费了39秒。而400个线程,只花费了17秒。所以有时候,也并不是多就是好。进程线程切换都需要使用一定的时间。

子进程

在python中,如果要运行系统命令,会使用 subprocess 来运行,官方建议使用run 方法来运行系统命令,更高级的用法是直接使用其 Popen 接口。
其函数格式为:

subprocess.run(args, *, stdin=None, input=None, stdout=None, stderr=None, capture_output=False, shell=False, cwd=None, timeout=None, check=False, encoding=None, errors=None, text=None, env=None, universal_newlines=None)

可以看几个简单的例子:

直接使用
import subprocess
subprocess.run(["ls","-al"])

在python3.7 之前,默认系统命令执行的结果(输出/错误)不存在stdout/stderr 里面,需要设置 capture_output=True,而在python3.6 版本,如果你需要使用执行的结果,你就需要设置 stdout. 如下所示

# python 3.6
>>> a = subprocess.run(["ls","-al"],stdout=subprocess.PIPE)
>>> a.stdout

# python3.7 
>>> a = subprocess.run(["ls","-al"],capture_output=True)
>>> a.stdout

所以可以看出python3.7 又做了一层封装,为了让大家使用更上一层的接口。可以看一下几个参数的含义为:

args 列表,为shell命令
shell boolean值, 设置后,args可以直接接受shell命令
capture_output = True , 设置后,stdout/stderr会存储值
check=True, 设置后,如果程序异常退出,会跑出一个CalledProcessError异常
cwd 是工作目录,可以为str,或者path-like 类
高级使用

Popen的构造函数:

class subprocess.Popen(args, bufsize=-1, executable=None, stdin=None, stdout=None, stderr=None, preexec_fn=None, close_fds=True, shell=False, cwd=None, env=None, universal_newlines=False, startupinfo=None, creationflags=0, restore_signals=True, start_new_session=False, pass_fds=(), *, encoding=None, errors=None)

一个简单的例子

p = subprocess.Popen(["ls","-al"],stdin=subprocess.PIPE,stdout=subprocess.PIPE,stderr=subprocess.PIPE)

其次,通过Popen.communicate() ,子进程可以在启动了以后,还可以进行参数的输入

import subprocess

print("$ nslookup")
p = subprocess.Popen(["nslookup"], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
output, err = p.communicate(b"set q=mx
python.org
exit
")
print(output.decode("utf-8"))
print("Exit code:", p.returncode)
其输出:
$ nslookup
Server:        192.168.19.4
Address:    192.168.19.4#53

Non-authoritative answer:
python.org    mail exchanger = 50 mail.python.org.

Authoritative answers can be found from:
mail.python.org    internet address = 82.94.164.166
mail.python.org    has AAAA address 2001:888:2000:d::a6

Exit code: 0
分布式多进程

python的分布式接口简单,使用起来也十分简单,可以参考廖雪峰的教程,需要的时候,修改代码,即可完成属于自己的分布式程序

这里贴出代码:

# master
import random,time,queue
from multiprocessing.managers import BaseManager

task_queue = queue.Queue()
result_queue = queue.Queue()

class QueueManager(BaseManager):
    pass

QueueManager.register("get_task_queue",callable=lambda:task_queue)
QueueManager.register("get_result_queue",callable=lambda:result_queue)

manager = QueueManager(address=("",5000),authkey=b"abc")
manager.start()

tasks = manager.get_task_queue()
results = manager.get_result_queue()

for i in range(10):
    n = random.randint(0,10000)
    print("put task {}".format(n))
    tasks.put(n)

print("try get results...")
for i in range(10):
    r = results.get(timeout=100)
    print("result:{}".format(r))

manager.shutdown()
print("master exit")

# worker
import time,sys,queue
from multiprocessing.managers import BaseManager

class QueueManager(BaseManager):
    pass


QueueManager.register("get_task_queue")
QueueManager.register("get_result_queue")

# master的主机地址
server_addr = "127.0.0.1"
print("connect to server...")
m = QueueManager(address=(server_addr,5000),authkey=b"abc")
m.connect()

tasks = m.get_task_queue()
results = m.get_result_queue()

for i in range(10):
    try:
        n = tasks.get(timeout=1)
        print("run task %d * %d..." % (n, n))

        r = "{} * {} = {}".format(n,n,n*n)
        time.sleep(1)
        results.put(r)
    except Queue.Empty:
        print("task queue is empty.")

print("worker exit.")
参考

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431929340191970154d52b9d484b88a7b343708fcc60000
https://docs.python.org/3.6/library/subprocess.html
https://docs.python.org/3.7/library/subprocess.html

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/42965.html

相关文章

  • java并发编程学习之ConcurrentHashMap(JDK1.7)

    摘要:之前中提过,并发的时候,可能造成死循环,那么在多线程中可以用来避免这一情况。默认,当容量大于时,开始扩容并发数,默认,直接影响和的值,以及的初始化数量。初始化的数量,为最接近且大于的办等于的次方的值,比如,数量为,,数量为。 之前HashMap中提过,并发的时候,可能造成死循环,那么在多线程中可以用ConcurrentHashMap来避免这一情况。 Segment Concurrent...

    piglei 评论0 收藏0
  • java并发编程学习7--同步--synchronized关键字

    摘要:如果两个线程存取相同的对象,并且每一个线程都调用一个修改该对象状态的方法,根据线程访问数据的顺序,可能会出现错误的数据结果,这种现象成为条件竞争。而问题往往就是有多个线程同时在执行步骤。内部锁有如下的特点不能中断正在试图获得锁的线程。 【条件竞争 在多线程的开发中,两个及其以上的线程需要共享统一数据的存取。如果两个线程存取相同的对象,并且每一个线程都调用一个修改该对象状态的方法,根据线...

    zzzmh 评论0 收藏0
  • <java并发编程实战>学习一

    摘要:无状态的是线程安全的,当无状态变为有状态时就是不安全的破坏了线程的安全性,非原子性操作竞态条件在并发编程中,由于不恰当的执行时序而出现的不正确结果是一种非常重要的情况,被称之为竞态条件。重入意味着获取锁的操作的粒度是线程,而不是调用。 这本书的内容是什么? 本书提供了各种实用的设计规则,用于帮助开发人员创建安全的和高性能的并发类。 什么类是线程安全的? 当多个线程访问某...

    xiaoqibTn 评论0 收藏0
  • 从小白程序员一路晋升为大厂高级技术专家我看过哪些书籍?(建议收藏)

    摘要:大家好,我是冰河有句话叫做投资啥都不如投资自己的回报率高。马上就十一国庆假期了,给小伙伴们分享下,从小白程序员到大厂高级技术专家我看过哪些技术类书籍。 大家好,我是...

    sf_wangchong 评论0 收藏0
  • [Java并发-1]入门:并发编程Bug的源头

    摘要:所以这情况下,当线程操作变量的时候,变量并不对线程可见。总结,缓存引发的可见性问题,切换线程带来的原子性问题,编译带来的有序性问题深刻理解这些前因后果,可以诊断大部分并发的问题 背景介绍 如何解决并发问题,首先要理解并发问题的实际源头怎么发生的。 现代计算机的不同硬件的运行速度是差异很大的,这个大家应该都是知道的。 计算机数据传输运行速度上的快慢比较: CPU > 缓存 > I/O ...

    xiguadada 评论0 收藏0
  • 对python并发编程的思考

    摘要:我们以请求网络服务为例,来实际测试一下加入多线程之后的效果。所以,执行密集型操作时,多线程是有用的,对于密集型操作,则每次只能使用一个线程。说到这里,对于密集型,可以使用多线程或者多进程来提高效率。 为了提高系统密集型运算的效率,我们常常会使用到多个进程或者是多个线程,python中的Threading包实现了线程,multiprocessing 包则实现了多进程。而在3.2版本的py...

    sshe 评论0 收藏0

发表评论

0条评论

Cheriselalala

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<