concurrent.futures模块简单介绍(线程池,进程…
2019-07-24 09:26:51来源:博客园 阅读 ()
一、基类Executor
Executor类是ThreadPoolExecutor 和ProcessPoolExecutor 的基类。它为我们提供了如下方法:
submit(fn, *args, **kwargs):提交任务。以 fn(*args **kwargs) 方式执行并返回 Future 对像。
fn:函数地址。
*args:位置参数。
**kwargs:关键字参数。
map(func, *iterables, timeout=None, chunksize=1):
func:函数地址。
iterables:一个可迭代对象,以迭代的方式将参数传递给函数。
timeout:这个参数没弄明白,如果是None等待所有进程结束。
chunksize:使用 ProcessPoolExecutor 时,这个方法会将 iterables 分割任务块,并作为独立的任务提交到执行池中。这些块的数量可以由 chunksize 指定设置。 对很长的迭代器来说,设置chunksize 值比默认值 1 能显著地提高性能。 chunksize 对 ThreadPoolExecutor 没有效果。
shutdown(wait=True):如果为True会等待线程池或进程池执行完成后释放正在使用的资源。如果 wait 为 False,将立即返回,所有待执行的期程完成执行后会释放已分配的资源。 不管 wait 的值是什么,整个 Python 程序将等到所有待执行的期程完成执行后才退出。
二、线程池对象
ThreadPoolExecutor 是 Executor 的子类,下面介绍ThreadPoolExecutor 的参数。
class concurrent.futures.ThreadPoolExecutor(max_workers=None, thread_name_prefix='', initializer=None, initargs=()):
max_workers:线程池的数量。
thread_name_prefix:线程名前缀。默认线程名ThreadPoolExecutor-线程数。
initializer:一个函数或方法,在启用线程前会调用这个函数(给线程池添加额外任务)。
initargs :以元祖的方式给initializer中的函数传递参数。
这里需要说明的是除了max_workers这个参数外其它三个参数基本很少用。max_workers很好理解就是线程池的数量。
下面来说initializer和initargs 这两个奇怪的家伙。
示例一:
from concurrent.futures import ThreadPoolExecutor def work(): print('工作线程') def test(num): print('test:',num) executor = ThreadPoolExecutor(max_workers=2,initializer=test(7)) # 开启2个线程 initializer指定参数test(7) executor.submit(work) executor.submit(work) # 打印内容如下 test: 7 工作线程 工作线程
示例二:
from concurrent.futures import ThreadPoolExecutor def work(): print('工作线程') def test(num): print('test:',num) executor = ThreadPoolExecutor(max_workers=2,initializer=test,initargs=(7,)) # 这里我们使用initargs=(7,)的方式给test传递参数。 executor.submit(work) executor.submit(work) # 打印内容如下 test: 7 工作线程 工作线程 test: 7
通过示例一和示例二我们可以发现initializer=test(7)时,test函数只被调用了1次,当initializer=test,initargs=(7,)时,test被调用了2次。具体原因没有去分析。感觉没什么用。以后有时间看看源码在补上。
三、进程池对象
ProcessPoolExecutor 也是 Executor 的子类,下面是ProcessPoolExecutor 参数介绍:
class concurrent.futures.ProcessPoolExecutor(max_workers=None, mp_context=None, initializer=None, initargs=())
max_workers:工作进程数。如果 max_workers 为 None 或未给出,它将默认为机器的处理器个数。 如果 max_workers 小于等于 0,则将引发 ValueError。 在 Windows 上,max_workers 必须小于等于 61,否则将引发 ValueError。 如果 max_workers 为 None,则所选择的默认最多为 61,即使存在更多处理器。
mp_context :可以是一个多进程上下文或是 None。 它将被用来启动工作进程。 如果 mp_context 为 None 或未给出,将使用默认的多进程上下文。
initializer:一个函数或方法,在启用线程前会调用这个函数。
initargs :以元祖的方式给initializer中的函数传递参数。
关于说initializer和initargs 与ThreadPoolExecutor 类似这里不多说了。
四、创建线程池
from concurrent.futures import ThreadPoolExecutor import time def work(num): time.sleep(1) print('工作线程:',num) if __name__ == '__main__': executor = ThreadPoolExecutor(max_workers=5) # 创建线程池,数量为5 for i in range(5): executor.submit(work, i) print('主线程') # 打印内容如下 主线程 工作线程: 0 工作线程: 1 工作线程: 2 工作线程: 3 工作线程: 4
# 使用shutdown等待所有线程结束后在打印主线程 from concurrent.futures import ThreadPoolExecutor import time def work(num): time.sleep(1) print('工作线程:',num) if __name__ == '__main__': executor = ThreadPoolExecutor(max_workers=5) # 创建线程池,数量为5 for i in range(5): executor.submit(work, i) executor.shutdown(wait=True) # 等待线程池结束 print('主线程') # 打印内容如下 工作线程: 0 工作线程: 1 工作线程: 2 工作线程: 3 工作线程: 4 主线程
如果想要在线程执行的过程中添加额外的功能,可以使用initializer参数,如下:
from concurrent.futures import ThreadPoolExecutor def work(num): print('工作线程:',num) def test(num): print('额外任务:',num) if __name__ == '__main__': executor = ThreadPoolExecutor(max_workers=5,initializer=test,initargs=(7,)) # 添加额外任务 for i in range(5): executor.submit(work, i) executor.shutdown(wait=True) print('主线程') # 打印内容如下 额外任务: 7 工作线程: 0 额外任务: 7 工作线程: 1 额外任务: 7 工作线程: 2 额外任务: 7 工作线程: 3 额外任务: 7 工作线程: 4 主线程
五、进程池
进程池与线程池用法基本一致,只是名字和实现不一样而已。
from concurrent.futures import ProcessPoolExecutor import time def work(num): time.sleep(1) print('工作进程:',num) if __name__ == '__main__': executor = ProcessPoolExecutor(max_workers=5) # 创建进程池,数量为5 for i in range(5): executor.submit(work, i) print('主线程') # 打印内容如下 主线程 工作进程: 0 工作进程: 1 工作进程: 2 工作进程: 3 工作进程: 4 # 使用shutdown等待所有线程结束后在打印主线程 from concurrent.futures import ProcessPoolExecutor import time def work(num): time.sleep(1) print('工作进程:',num) if __name__ == '__main__': executor = ProcessPoolExecutor(max_workers=5) # 创建进程池,数量为5 for i in range(5): executor.submit(work, i) executor.shutdown(wait=True) # 等待进程池结束 print('主线程') # 打印内容如下 工作进程: 0 工作进程: 1 工作进程: 2 工作进程: 3 工作进程: 4 主线程
如果想要在线程执行的过程中添加额外的功能,可以使用initializer参数,如下:
from concurrent.futures import ProcessPoolExecutor def work(num): print('工作进程:',num) def test(num): print('额外任务:',num) if __name__ == '__main__': executor = ProcessPoolExecutor(max_workers=5,initializer=test,initargs=(7,)) # 添加额外任务 for i in range(5): executor.submit(work, i) executor.shutdown(wait=True) print('主线程') # 打印内容如下 额外任务: 7 工作进程: 0 工作进程: 1 工作进程: 2 工作进程: 3 工作进程: 4 额外任务: 7 额外任务: 7 额外任务: 7 额外任务: 7 主线程
六、Future Objects
future类封装了可调用文件的异步执行。future的实例由executor.submit()时被创建的,除了测试之外不应该直接实例化future对象,所以为了获取future对象我们可以f=executor.submit()即可。
class concurrent.futures.Future类中的方法:
cancel():尝试取消执行线程池中的函数调用。如果调用当前正在执行或已完成运行,并且无法取消,则方法将返回false,否则调用将被取消,方法将返回true。
cancelled():如果线程池中的函数执行成功返回True,调用失败返回false。
running():如果线程池中的调用当前正在执行且无法取消,则返回true。
done():如果呼叫成功取消或完成运行,则返回true。否则返回false
result(timeout=None):返回线程函数的返回值。如果线程函数未执行完成,则此方法将最多等待timeout秒,如果线程函数未在超时秒内完成,则将引发concurrent.futures.TimeoutError。超时可以是int或float。如果未指定超时 timeout=None,则会阻塞,一直等待函数执行完成。如果在线程函数完成之前使用future对象取消了执行,则将引发CancelederRor。如果调用raised,此方法将引发相同的异常。
exception(timeout=None):返回线程函数引发的异常。如果线程函数尚未完成,则此方法将最多等待timeout秒。如果线程函数未在超时秒内完成,则将引发concurrent.futures.TimeoutError。超时可以是int或float。如果未指定超时或无超时timeout=None,则会一直等待。如果在线程函数完成之前使用future对象取消了执行,则将引发CancelederRor如果线程函数完成但未引发,则返回None。
add_done_callback(fn):将可调用fn附加到future对象。当future对象被取消或结束运行时,将调用fn,其中future对象是惟一的参数。添加的可调用对象是按照添加顺序调用的,并且总是在属于添加它们的进程的线程中调用。如果Callable引发异常子类,它将被记录并忽略。如果可调用引发BaseException子类,则行为未定义。
七、Module Functions
concurrent.futures.wait(fs, timeout=None, return_when=ALL_COMPLETED):将fs绑定一个future实例,如果future执行完成或取消执行fs函数。
fs:fs是一个函数绑定在future实例(可能由不同的执行器实例创建)。返回2个命名元组的集合。第一组名为“done”,包含等待完成,完成前(完成或future对象取消)。第二组名为“not_done”,包含未完成的future(未完成或正在运行的future)。
timeout:如果为None一直等待,否则会等待timeout秒。
return_when :必须是如下范围。
Constant |
Description |
---|---|
|
当任何future 完成或取消或者线程函数执行完成时。 |
|
当future通过引发异常而结束时,线程函数将返回。如果没有future引发异常,那么它相当于所有已完成的。 |
|
当所有future完成或取消时,函数将返回。 |
concurrent.futures.as_completed(fs, timeout=None):返回一个future迭代器。
fs:可迭代对象的future。
timeout:超时时间,如果为None会一直阻塞直到执行完成。否则将等待timeout秒。
from concurrent.futures._base import as_completed from concurrent.futures import ThreadPoolExecutor def work(num): return num ** 2 if __name__ == '__main__': executor = ThreadPoolExecutor(max_workers=5) future_list = [] # 存放future对象 for i in range(5): future_list.append(executor.submit(work, i)) for future in as_completed(future_list): # 这是一个无聊的用法 res = future.result() print(f'结果:{res}') # 打印工作线程返回的结果
# 打印结果如下
结果:0
结果:4
结果:16
结果:1
结果:9
参考文档:https://docs.python.org/3/library/concurrent.futures.html
原文链接:https://www.cnblogs.com/caesar-id/p/11215910.html
如有疑问请与原作者联系
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
- python3 enum模块的应用 2019-08-13
- python爬虫学习之用Python抢火车票的简单小程序 2019-08-13
- 利用python自动生成verilog模块例化模板 2019-08-13
- 用python写一个简单的文件上传 2019-07-24
- Python random模块(以后用到一个再更新一个) 2019-07-24
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash