zoukankan      html  css  js  c++  java
  • Python标准模块--concurrent.futures 进程池线程池终极用法

    concurrent.futures 这个模块是异步调用的机制
    concurrent.futures 提交任务都是用submit
    for + submit 多个任务的提交
    shutdown 是等效于Pool中的close+join,是指不允许再继续向池中增加任务,然后让父进程(线程)等待池中所有进程执行完所有任务。

    针对计算密集的程序来说
    不管是Pool的进程池还是ProcessPoolExecutor()的进程池,执行效率相当
    ThreadPoolExecutor 的效率要差很多
    所以 当计算密集时,使用多进程。

    #1 介绍
    concurrent.futures模块提供了高度封装的异步调用接口
    ThreadPoolExecutor:线程池,提供异步调用
    ProcessPoolExecutor: 进程池,提供异步调用
    Both implement the same interface, which is defined by the abstract Executor class.
    
    #2 基本方法
    #submit(fn, *args, **kwargs)
    异步提交任务
    
    #map(func, *iterables, timeout=None, chunksize=1) 
    取代for循环submit的操作
    
    #shutdown(wait=True) 
    相当于进程池的pool.close()+pool.join()操作
    wait=True,等待池内所有任务执行完毕回收完资源后才继续
    wait=False,立即返回,并不会等待池内的任务执行完毕
    但不管wait参数为何值,整个程序都会等到所有任务执行完毕
    submit和map必须在shutdown之前
    
    #result(timeout=None)
    取得结果
    
    #add_done_callback(fn)
    回调函数
     
    

    线程池:

    #线程池
    from concurrent.futures import ThreadPoolExecutor
    import time
    
    def func(num):
        print('这是我的第%s次' % num)
        time.sleep(1)
    
    t = ThreadPoolExecutor(100)
    for i in range(1000):
        t.submit(func,i)
    
    t.shutdown()
    

    进程池:

    # 进程池 需要 __main__
    from concurrent.futures import ProcessPoolExecutor
    import time
    
    def func(num):
        print('这是我的第%s次' % num)
        time.sleep(1)
    
    if __name__ == '__main__':
        p = ProcessPoolExecutor(5) # 建议进程池中最大进程数量为cpu核心数+1
        for i in range(1,1001):
            p.submit(func,i)
        p.shutdown()
    

    回调函数:

    方法: map,submit,add_done_callback,result

    进程池中的回调函数是父进程调用的,和子进程没有关系

    线程池中的回调函数是子线程调用的,和父线程没有关系 (current thread())

    # 进程池回调函数
    from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
    import os
    import requests
    
    def func(num):
        info = '这是我的第%s' % num
        return info
    
    def call_back_func(res):
        print(res.result())
    
    if __name__ == '__main__':
        p = ProcessPoolExecutor(20)
        for i in range(1000):
            p.submit(func,i).add_done_callback(call_back_func)
        p.shutdown()
    
    # 线程池回调函数
    from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
    import os
    import requests
    
    def func(num):
        info = '这是我的第%s' % num
        return info
    
    def call_back_func(res):
        print(res.result())
    
    if __name__ == '__main__':
        p = ThreadPoolExecutor(20)
        for i in range(1000):
            p.submit(func,i).add_done_callback(call_back_func)
        p.shutdown()
    
  • 相关阅读:
    几句话总结一个算法之DQN
    几句话总结一个算法之Q-Learning与Sarsa
    几句话总结一个算法之Policy Gradients
    深度图像特征在推荐和广告中的应用(三)
    深度图像特征在推荐和广告中的应用(一)
    Kaggle实战之二分类问题
    Kaggle实战之一回归问题
    Deep Learning 论文解读——Session-based Recommendations with Recurrent Neural Networks
    Scala 中的函数式编程基础(三)
    Scala 中的函数式编程基础(二)
  • 原文地址:https://www.cnblogs.com/niuli1987/p/9543081.html
Copyright © 2011-2022 走看看