Python - 并发性线程池

假设我们必须为多线程任务创建大量线程。这将是计算成本最高的，因为由于线程太多，可能会出现许多性能问题。一个主要问题可能是吞吐量受到限制。我们可以通过创建一个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线程和空闲线程，这些线程随时准备被分配工作。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其执行，则可以重用该线程。
• 如果一个线程被终止，将创建另一个线程来替换该线程。

Python 模块 – Concurrent.futures

Python 标准库包括 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用于启动异步任务的高级接口。它是 Python 的线程和多处理模块之上的抽象层，用于提供使用线程池或进程运行任务的接口。

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

Executor 类

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

• ThreadPoolExecutor
• ProcessPoolExecutor

ThreadPoolExecutor – 具体子类

它是 Executor 类的具体子类之一。该子类使用多线程，我们得到一个用于提交任务的线程池。此池将任务分配给可用线程并安排它们运行。

如何创建 ThreadPoolExecutor？

在 concurrent.futures 模块及其具体子类 Executor 的帮助下，我们可以轻松地创建一个线程池。为此，我们需要构造一个 ThreadPoolExecutor，其中包含我们想要的池中的线程数。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（） 一个任务时，我们会得到一个 Future。Future 对象有一个名为 done（） 的方法，它告诉 future 是否已解析。这样，就为该特定 future 对象设置了一个值。当任务完成时，线程池执行程序将值设置为 future 对象。

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

在上面的例子中，一个 ThreadPoolExecutor 被构造成了 5 个线程。然后，将等待 2 秒后再给出消息的任务提交到线程池执行程序。从输出中可以看出，任务直到 2 秒才完成，因此第一次调用 done（） 将返回 False。2 秒后，任务完成，我们通过对其调用 result（） 方法来获得 future 的结果。

实例化 ThreadPoolExecutor – 上下文管理器

另一种实例化 ThreadPoolExecutor 的方法是借助上下文管理器。它的工作原理类似于上面示例中使用的方法。使用上下文管理器的主要优点是它在语法上看起来不错。实例化可以借助以下代码完成 -

例

以下示例借鉴自 Python 文档。在这个例子中，首先必须导入 concurrent.futures 模块。然后创建一个名为 load_url（） 的函数，该函数将加载请求的 url。然后，该函数使用池中的 5 个线程创建 ThreadPoolExecutor。ThreadPoolExecutor 已用作上下文管理器。我们可以通过对它调用 result（） 方法来获得 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 -

使用 Executor.map（） 函数

Python map（） 函数广泛用于许多任务中。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。同样，我们可以将迭代器的所有元素映射到一个函数，并将它们作为独立的作业提交给 out 的 ThreadPoolExecutor。请考虑以下 Python 脚本示例，以了解该函数的工作原理。

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

上面的 Python 脚本生成以下输出 -