一篇文章浅析Python自带的线程池和进程池

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

一篇文章浅析Python自带的线程池和进程池

实际的多线程

一篇文章浅析Python自带的线程池和进程池

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

一篇文章浅析Python自带的线程池和进程池

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

一篇文章浅析Python自带的线程池和进程池

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

一篇文章浅析Python自带的线程池和进程池

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。