python 使用期物处理并发

文章目录

- 1. futures.ThreadPoolExecutor
- 2. 期物
- 3. 阻塞型I/O和GIL
- 4. 使用concurrent.futures模块启动进程

learning from 《流畅的python》

1. futures.ThreadPoolExecutor

import os
import time
import sys
import requestsPOP20_CC = ('CN IN US ID BR PK NG BD RU JP ' 'MX PH VN ET EG DE IR TR CD FR').split()
BASE_URL = 'http://flupy.org/data/flags'
DEST_DIR = './'def save_flag(img, filename):  # 保存图像path = os.path.join(DEST_DIR, filename)with open(path, 'wb') as fp:fp.write(img)def get_flag(cc):  # 获取图像url = '{}/{cc}/{cc}.gif'.format(BASE_URL, cc=cc.lower())resp = requests.get(url)return resp.contentdef show(text):  # 打印信息print(text, end=' ')sys.stdout.flush()def download_many(cc_list):for cc in sorted(cc_list):image = get_flag(cc)  # 获取show(cc)  # 打印save_flag(image, cc.lower() + '.gif')  # 保存return len(cc_list)def main(download_many):t0 = time.time()count = download_many(POP20_CC)elapsed = time.time() - t0msg = '\n{} flags downloaded in {:.2f}s'print(msg.format(count, elapsed))  # 计时信息# ----使用 futures.ThreadPoolExecutor 类实现多线程下载
from concurrent import futuresMAX_WORKERS = 20  # 最多使用几个线程def download_one(cc):image = get_flag(cc)show(cc)save_flag(image, cc.lower() + '.gif')return ccdef download_many_1(cc_list):workers = min(MAX_WORKERS, len(cc_list))with futures.ThreadPoolExecutor(workers) as executor:#  使用工作的线程数实例化 ThreadPoolExecutor 类；#  executor.__exit__ 方法会调用 executor.shutdown(wait=True) 方法，#  它会在所有线程都执行完毕 前阻塞线程res = executor.map(download_one, sorted(cc_list))# download_one 函数 会在多个线程中并发调用；# map 方法返回一个生成器，因此可以迭代， 获取各个函数返回的值return len(list(res))if __name__ == '__main__':# main(download_many) # 24 秒main(download_many_1)  # 3 秒

2. 期物

通常不应自己创建期物
只能由并发框架（concurrent.futures 或 asyncio）实例化
原因：期物表示终将发生的事情，其执行的时间已经排定。因此，只有排定把某件事交给 concurrent.futures.Executor 子类处理时，才会创建 concurrent.futures.Future 实例
例如，Executor.submit() 方法的参数是一个可调用的对象，调用这个方法后会为传入的可调用对象 排期，并返回一个期物

def download_many_2(cc_list):cc_list = cc_list[:5]with futures.ThreadPoolExecutor(max_workers=3) as executor:to_do = []for cc in sorted(cc_list):future = executor.submit(download_one, cc)# executor.submit 方法排定可调用对象的执行时间，# 然后返回一个 期物，表示这个待执行的操作to_do.append(future) # 存储各个期物msg = 'Scheduled for {}: {}'print(msg.format(cc, future))results = []for future in futures.as_completed(to_do):# as_completed 函数在期物运行结束后产出期物res = future.result() # 获取期物的结果msg = '{} result: {!r}'print(msg.format(future, res))results.append(res)return len(results)

输出：
Scheduled for BR: <Future at 0x22da99d2d30 state=running>
Scheduled for CN: <Future at 0x22da99e1040 state=running>
Scheduled for ID: <Future at 0x22da99e1b20 state=running>
Scheduled for IN: <Future at 0x22da99ec520 state=pending>
Scheduled for US: <Future at 0x22da99ecd00 state=pending>
CN <Future at 0x22da99e1040 state=finished returned str> result: 'CN'
BR <Future at 0x22da99d2d30 state=finished returned str> result: 'BR'
ID <Future at 0x22da99e1b20 state=finished returned str> result: 'ID'
IN <Future at 0x22da99ec520 state=finished returned str> result: 'IN'
US <Future at 0x22da99ecd00 state=finished returned str> result: 'US'5 flags downloaded in 3.20s

3. 阻塞型I/O和GIL

CPython 解释器本身就不是线程安全的，因此有全局解释器锁（GIL），一次只允许使用一个线程执行 Python 字节码。因此，一个 Python 进程通常不能同时使用多个 CPU 核心

标准库中所有执行阻塞型 I/O 操作的函数，在等待操作系统返回结果时 都会释放 GIL。
这意味着在 Python 语言这个层次上可以使用多线程，而 I/O 密集型 Python 程序能从中受益：一个 Python 线程等待网络响应时，阻塞型 I/O 函数会释放 GIL，再运行一个线程（网络下载，文件读写都属于 IO 密集型）