来源：Python爬虫与数据挖掘

作者：星期八

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_callback

add_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。