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
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...
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...
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...
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...
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 ...
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...
阅读 3499·2023-04-25 16:35
阅读 657·2021-10-11 11:09
阅读 5993·2021-09-22 15:11
阅读 3320·2019-08-30 14:03
阅读 2560·2019-08-29 16:54
阅读 3307·2019-08-29 16:34
阅读 2981·2019-08-29 12:18
阅读 2055·2019-08-28 18:31