Python 中的并发 - 线程池

假设我们必须为多线程任务创建大量线程。由于线程太多，可能会出现许多性能问题，因此计算成本最高。主要问题可能是吞吐量受限。我们可以通过创建线程池来解决这个问题。线程池可以定义为一组预先实例化的空闲线程，这些线程随时准备工作。当我们需要执行大量任务时，创建线程池比为每个任务实例化新线程更可取。线程池可以管理大量线程的并发执行，如下所示 −

• 如果线程池中的线程完成执行，则可以重用该线程。

• 如果线程终止，将创建另一个线程来替换该线程。

Python 模块 – Concurrent.futures

Python 标准库包含 concurrent.futures 模块。此模块是在 Python 3.2 中添加的，用于为开发人员提供启动异步任务的高级接口。它是 Python 线程和多处理模块顶层的抽象层，用于提供使用线程池或进程池运行任务的接口。

在后续章节中，我们将了解 concurrent.futures 模块的不同类。

Executor 类

Executor 是 Python 模块 concurrent.futures 的一个抽象类。它不能直接使用，我们需要使用以下具体子类之一 −

• ThreadPoolExecutor
• ProcessPoolExecutor

ThreadPoolExecutor – 一个具体子类

它是 Executor 类的一个具体子类。该子类使用多线程，我们得到一个线程池来提交任务。该池将任务分配给可用线程并安排它们运行。

如何创建 ThreadPoolExecutor？

借助 concurrent.futures 模块及其具体子类 Executor，我们可以轻松创建一个线程池。为此，我们需要构造一个 ThreadPoolExecutor，并指定池中所需的线程数。默认情况下，该数字为 5。然后我们可以向线程池提交任务。当我们 submit() 任务时，我们会返回一个 Future。Future 对象有一个名为 done() 的方法，它告知未来是否已解决。通过此方法，已为该特定未来对象设置了一个值。当任务完成时，线程池执行器会将该值设置为未来对象。

示例

from concurrent.futures import ThreadPoolExecutor
from time import sleep
def task(message):
   sleep(2)
   return message

def main():
   executor = ThreadPoolExecutor(5)
   future = executor.submit(task, ("Completed"))
   print(future.done())
   sleep(2)
   print(future.done())
   print(future.result())
if __name__ == '__main__':
main()

输出

False
True
Completed

在上面的例子中，ThreadPoolExecutor 已构建为具有 5 个线程。然后，将等待 2 秒后才发出消息的任务提交给线程池执行器。从输出中可以看出，任务直到 2 秒才完成，因此对 done() 的第一次调用将返回 False。2 秒后，任务完成，我们通过调用其上的 result() 方法获得未来的结果。

实例化 ThreadPoolExecutor – 上下文管理器

实例化 ThreadPoolExecutor 的另一种方法是借助上下文管理器。它的工作原理与上面示例中使用的方法类似。使用上下文管理器的主要优点是它在语法上看起来不错。可以借助以下代码进行实例化 −

with ThreadPoolExecutor(max_workers = 5) as executor

示例

以下示例借用自 Python 文档。在此示例中，首先必须导入 concurrent.futures 模块。然后创建一个名为 load_url() 的函数，它将加载请求的 url。然后，该函数创建 ThreadPoolExecutor ，池中有 5 个线程。ThreadPoolExecutor 已被用作上下文管理器。我们可以通过调用其上的 result() 方法来获取 Future 的结果。

import concurrent.futures
import urllib.request

URLS = ['http://www.foxnews.com/',
   'http://www.cnn.com/',
   'http://europe.wsj.com/',
   'http://www.bbc.co.uk/',
   'http://some-made-up-domain.com/']

def load_url(url, timeout):
   with urllib.request.urlopen(url, timeout = timeout) as conn:
   return conn.read()

with concurrent.futures.ThreadPoolExecutor(max_workers = 5) as executor:

   future_to_url = {executor.submit(load_url, url, 60): url for url in URLS}
   for future in concurrent.futures.as_completed(future_to_url):
   url = future_to_url[future]
   try:
      data = future.result()
   except Exception as exc:
      print('%r generated an exception: %s' % (url, exc))
   else:
      print('%r page is %d bytes' % (url, len(data)))

输出

以下是上述 Python 脚本的输出 −

'http://some-made-up-domain.com/' generated an exception: <urlopen error [Errno 11004] getaddrinfo failed>
'http://www.foxnews.com/' page is 229313 bytes
'http://www.cnn.com/' page is 168933 bytes
'http://www.bbc.co.uk/' page is 283893 bytes
'http://europe.wsj.com/' page is 938109 bytes

Executor.map() 函数的使用

Python map() 函数广泛应用于许多任务。其中一项任务是将某个函数应用于可迭代对象中的每个元素。类似地，我们可以将迭代器的所有元素映射到一个函数，并将它们作为独立作业提交给我们的 ThreadPoolExecutor。请考虑以下 Python 脚本示例，以了解该函数的工作原理。

示例

在下面的示例中，map 函数用于将 square() 函数应用于 values 数组中的每个值。

from concurrent.futures import ThreadPoolExecutor
from concurrent.futures import as_completed
values = [2,3,4,5]
def square(n):
   return n * n
def main():
   with ThreadPoolExecutor(max_workers = 3) as executor:
      results = executor.map(square, values)
for result in results:
      print(result)
if __name__ == '__main__':
   main()

输出

上述 Python 脚本生成以下输出 −

4
9
16
25