如何在Python中编写并发程序

2024-03-21 13:03:03 49

GIL

在Python中,由于历史原因(GIL),使得Python中多线程的效果非常不理想.GIL使得任何时刻Python只能利用一个CPU核,并且它的调度算法简单粗暴:多线程中,让每个线程运行一段时间t,然后强行挂起该线程,继而去运行其他线程,如此周而复始,直到所有线程结束.

这使得无法有效利用计算机系统中的"局部性",频繁的线程切换也对缓存不是很友好,造成资源的浪费.

据说Python官方曾经实现了一个去除GIL的Python解释器,但是其效果还不如有GIL的解释器,遂放弃.后来Python官方推出了"利用多进程替代多线程"的方案,在Python3中也有concurrent.futures这样的包,让我们的程序编写可以做到"简单和性能兼得".

多进程/多线程+Queue

一般来说,在Python中编写并发程序的经验是:计算密集型任务使用多进程,IO密集型任务使用多进程或者多线程.另外,因为涉及到资源共享,所以需要同步锁等一系列麻烦的步骤,代码编写不直观.另外一种好的思路是利用多进程/多线程+Queue的方法,可以避免加锁这样麻烦低效的方式.

现在在Python2中利用Queue+多进程的方法来处理一个IO密集型任务.

假设现在需要下载多个网页内容并进行解析,单进程的方式效率很低,所以使用多进程/多线程势在必行.
我们可以先初始化一个tasks队列,里面将要存储的是一系列dest_url,同时开启4个进程向tasks中取任务然后执行,处理结果存储在一个results队列中,最后对results中的结果进行解析.最后关闭两个队列.

下面是一些主要的逻辑代码.

#-*-coding:utf-8-*-

#IO密集型任务
#多个进程同时下载多个网页
#利用Queue+多进程
#由于是IO密集型,所以同样可以利用threading模块

importmultiprocessing

defmain():
tasks=multiprocessing.JoinableQueue()
results=multiprocessing.Queue()
cpu_count=multiprocessing.cpu_count()#进程数目==CPU核数目

create_process(tasks,results,cpu_count)#主进程马上创建一系列进程,但是由于阻塞队列tasks开始为空,副进程全部被阻塞
add_tasks(tasks)#开始往tasks中添加任务
parse(tasks,results)#最后主进程等待其他线程处理完成结果


defcreate_process(tasks,results,cpu_count):
for_inrange(cpu_count):
p=multiprocessing.Process(target=_worker,args=(tasks,results))#根据_worker创建对应的进程
p.daemon=True#让所有进程可以随主进程结束而结束
p.start()#启动

def_worker(tasks,results):
whileTrue:#因为前面所有线程都设置了daemon=True,故不会无限循环
try:
task=tasks.get()#如果tasks中没有任务,则阻塞
result=_download(task)
results.put(result)#someexceptionsdonothandled
finally:
tasks.task_done()

defadd_tasks(tasks):
forurlinget_urls():#get_urls()returnaurls_list
tasks.put(url)

defparse(tasks,results):
try:
tasks.join()
exceptKeyboardInterruptaserr:
print"Taskshasbeenstopped!"
printerr

whilenotresults.empty():
_parse(results)



if__name__=='__main__':
main()

利用Python3中的concurrent.futures包

在Python3中可以利用concurrent.futures包,编写更加简单易用的多线程/多进程代码.其使用感觉和Java的concurrent框架很相似(借鉴?)
比如下面的简单代码示例

defhandler():
futures=set()

withconcurrent.futures.ProcessPoolExecutor(max_workers=cpu_count)asexecutor:
fortaskinget_task(tasks):
future=executor.submit(task)
futures.add(future)

defwait_for(futures):
try:
forfutureinconcurrent.futures.as_completed(futures):
err=futures.exception()
ifnoterr:
result=future.result()
else:
raiseerr
exceptKeyboardInterruptase:
forfutureinfutures:
future.cancel()
print"Taskhasbeencanceled!"
printe
returnresult

总结

要是一些大型Python项目也这般编写,那么效率也太低了.在Python中有许多已有的框架使用,使用它们起来更加高效.
但是自己的一些"小打小闹"的程序这样来编写还是不错的.:)

如何在Python中编写并发程序

热门推荐

随机推荐