wordpress开源程序建站教程,家在深圳光明,天元建设集团有限公司财报,永久免费的cms系统带商城系统启动一个新线程的成本是比较高的#xff0c;因为它涉及与操作系统的交互。在这种情形下#xff0c;使用线程池可以很好地提升性能#xff0c;尤其是当程序中需要创建大量生存期很短暂的线程时#xff0c;更应该考虑使用线程池。
线程池在系统启动时即创建大量空闲的线程…系统启动一个新线程的成本是比较高的因为它涉及与操作系统的交互。在这种情形下使用线程池可以很好地提升性能尤其是当程序中需要创建大量生存期很短暂的线程时更应该考虑使用线程池。
线程池在系统启动时即创建大量空闲的线程程序只要将一个函数提交给线程池线程池就会启动一个空闲的线程来执行它。当该函数执行结束后该线程并不会死亡而是再次返回到线程池中变成空闲状态等待执行下一个函数。
此外使用线程池可以有效地控制系统中并发线程的数量。当系统中包含有大量的并发线程时会导致系统性能急剧下降甚至导致 Python 解释器崩溃而线程池的最大线程数参数可以控制系统中并发线程的数量不超过此数。
线程池的使用
线程池的基类是 concurrent.futures 模块中的 ExecutorExecutor 提供了两个子类即 ThreadPoolExecutor 和 ProcessPoolExecutor其中 ThreadPoolExecutor 用于创建线程池而 ProcessPoolExecutor 用于创建进程池。
如果使用线程池/进程池来管理并发编程那么只要将相应的 task 函数提交给线程池/进程池剩下的事情就由线程池/进程池来搞定。
Exectuor 提供了如下常用方法
submit(fn, *args, **kwargs)将 fn 函数提交给线程池。*args 代表传给 fn 函数的参数*kwargs 代表以关键字参数的形式为 fn 函数传入参数。
map(func, *iterables, timeoutNone, chunksize1)该函数类似于全局函数 map(func, *iterables)只是该函数将会启动多个线程以异步方式立即对 iterables 执行 map 处理。
shutdown(waitTrue)关闭线程池。
程序将 task 函数提交submit给线程池后submit 方法会返回一个 Future 对象Future 类主要用于获取线程任务函数的返回值。由于线程任务会在新线程中以异步方式执行因此线程执行的函数相当于一个“将来完成”的任务所以 Python 使用 Future 来代表。
实际上在 Java 的多线程编程中同样有 Future此处的 Future 与 Java 的 Future 大同小异。
Future 提供了如下方法
cancel()取消该 Future 代表的线程任务。如果该任务正在执行不可取消则该方法返回 False否则程序会取消该任务并返回 True。
cancelled()返回 Future 代表的线程任务是否被成功取消。
running()如果该 Future 代表的线程任务正在执行、不可被取消该方法返回 True。
done()如果该 Funture 代表的线程任务被成功取消或执行完成则该方法返回 True。
result(timeoutNone)获取该 Future 代表的线程任务最后返回的结果。如果 Future 代表的线程任务还未完成该方法将会阻塞当前线程其中 timeout 参数指定最多阻塞多少秒。
exception(timeoutNone)获取该 Future 代表的线程任务所引发的异常。如果该任务成功完成没有异常则该方法返回 None。
add_done_callback(fn)为该 Future 代表的线程任务注册一个“回调函数”当该任务成功完成时程序会自动触发该 fn 函数。
在用完一个线程池后应该调用该线程池的 shutdown() 方法该方法将启动线程池的关闭序列。调用 shutdown() 方法后的线程池不再接收新任务但会将以前所有的已提交任务执行完成。当线程池中的所有任务都执行完成后该线程池中的所有线程都会死亡。
使用线程池来执行线程任务的步骤如下
调用 ThreadPoolExecutor 类的构造器创建一个线程池。
定义一个普通函数作为线程任务。
调用 ThreadPoolExecutor 对象的 submit() 方法来提交线程任务。
当不想提交任何任务时调用 ThreadPoolExecutor 对象的 shutdown() 方法来关闭线程池。
下面程序示范了如何使用线程池来执行线程任务
from concurrent.futures import ThreadPoolExecutor
import threading
import time
# 定义一个准备作为线程任务的函数
def action(max):
my_sum 0
for i in range(max):
print(threading.current_thread().name str(i))
my_sum i
return my_sum
# 创建一个包含2条线程的线程池
pool ThreadPoolExecutor(max_workers2)
# 向线程池提交一个task, 50会作为action()函数的参数
future1 pool.submit(action, 50)
# 向线程池再提交一个task, 100会作为action()函数的参数
future2 pool.submit(action, 100)
# 判断future1代表的任务是否结束
print(future1.done())
time.sleep(3)
# 判断future2代表的任务是否结束
print(future2.done())
# 查看future1代表的任务返回的结果
print(future1.result())
# 查看future2代表的任务返回的结果
print(future2.result())
# 关闭线程池
pool.shutdown()
上面程序中第 13 行代码创建了一个包含两个线程的线程池接下来的两行代码只要将 action() 函数提交submit给线程池该线程池就会负责启动线程来执行 action() 函数。这种启动线程的方法既优雅又具有更高的效率。
当程序把 action() 函数提交给线程池时submit() 方法会返回该任务所对应的 Future 对象程序立即判断 futurel 的 done() 方法该方法将会返回 False表明此时该任务还未完成。接下来主程序暂停 3 秒然后判断 future2 的 done() 方法如果此时该任务已经完成那么该方法将会返回 True。
程序最后通过 Future 的 result() 方法来获取两个异步任务返回的结果。
读者可以自己运行此代码查看运行结果这里不再演示。
当程序使用 Future 的 result() 方法来获取结果时该方法会阻塞当前线程如果没有指定 timeout 参数当前线程将一直处于阻塞状态直到 Future 代表的任务返回。
获取执行结果
前面程序调用了 Future 的 result() 方法来获取线程任务的运回值但该方法会阻塞当前主线程只有等到钱程任务完成后result() 方法的阻塞才会被解除。
如果程序不希望直接调用 result() 方法阻塞线程则可通过 Future 的 add_done_callback() 方法来添加回调函数该回调函数形如 fn(future)。当线程任务完成后程序会自动触发该回调函数并将对应的 Future 对象作为参数传给该回调函数。
下面程序使用 add_done_callback() 方法来获取线程任务的返回值
from concurrent.futures import ThreadPoolExecutor
import threading
import time
# 定义一个准备作为线程任务的函数
def action(max):
my_sum 0
for i in range(max):
print(threading.current_thread().name str(i))
my_sum i
return my_sum
# 创建一个包含2条线程的线程池
with ThreadPoolExecutor(max_workers2) as pool:
# 向线程池提交一个task, 50会作为action()函数的参数
future1 pool.submit(action, 50)
# 向线程池再提交一个task, 100会作为action()函数的参数
future2 pool.submit(action, 100)
def get_result(future):
print(future.result())
# 为future1添加线程完成的回调函数
future1.add_done_callback(get_result)
# 为future2添加线程完成的回调函数
future2.add_done_callback(get_result)
print(--------------)
上面主程序分别为 future1、future2 添加了同一个回调函数该回调函数会在线程任务结束时获取其返回值。
主程序的最后一行代码打印了一条横线。由于程序并未直接调用 future1、future2 的 result() 方法因此主线程不会被阻塞可以立即看到输出主线程打印出的横线。接下来将会看到两个新线程并发执行当线程任务执行完成后get_result() 函数被触发输出线程任务的返回值。
另外由于线程池实现了上下文管理协议Context Manage Protocol因此程序可以使用 with 语句来管理线程池这样即可避免手动关闭线程池如上面的程序所示。
此外Exectuor 还提供了一个 map(func, *iterables, timeoutNone, chunksize1) 方法该方法的功能类似于全局函数 map()区别在于线程池的 map() 方法会为 iterables 的每个元素启动一个线程以并发方式来执行 func 函数。这种方式相当于启动 len(iterables) 个线程井收集每个线程的执行结果。
例如如下程序使用 Executor 的 map() 方法来启动线程并收集线程任务的返回值
from concurrent.futures import ThreadPoolExecutor
import threading
import time
# 定义一个准备作为线程任务的函数
def action(max):
my_sum 0
for i in range(max):
print(threading.current_thread().name str(i))
my_sum i
return my_sum
# 创建一个包含4条线程的线程池
with ThreadPoolExecutor(max_workers4) as pool:
# 使用线程执行map计算
# 后面元组有3个元素因此程序启动3条线程来执行action函数
results pool.map(action, (50, 100, 150))
print(--------------)
for r in results:
print(r)
上面程序使用 map() 方法来启动 3 个线程该程序的线程池包含 4 个线程如果继续使用只包含两个线程的线程池此时将有一个任务处于等待状态必须等其中一个任务完成线程空闲出来才会获得执行的机会map() 方法的返回值将会收集每个线程任务的返回结果。
运行上面程序同样可以看到 3 个线程并发执行的结果最后通过 results 可以看到 3 个线程任务的返回结果。
通过上面程序可以看出使用 map() 方法来启动线程并收集线程的执行结果不仅具有代码简单的优点而且虽然程序会以并发方式来执行 action() 函数但最后收集的 action() 函数的执行结果依然与传入参数的结果保持一致。也就是说上面 results 的第一个元素是 action(50) 的结果第二个元素是 action(100) 的结果第三个元素是 action(150) 的结果。
