有女人和马做网站吗,宁波seo优势,网站建设网络推广外包服务商,上海电商app开发future 指一种对象#xff0c;表示异步执行的操作。这个概念的作用很大#xff0c;是 concurrent.futures 模块和 asyncio 包(第 18 章讨论)的基础。
17.1 示例:网络下载的三种风格
17.1.1 依序下载的脚本
17.1.2 使用 concurrent.futures 模块下载
from concurrent impo…future 指一种对象表示异步执行的操作。这个概念的作用很大是 concurrent.futures 模块和 asyncio 包(第 18 章讨论)的基础。
17.1 示例:网络下载的三种风格
17.1.1 依序下载的脚本
17.1.2 使用 concurrent.futures 模块下载
from concurrent import futuresworkers min(MAX_WORKERS, len(cc_list))
with futures.ThreadPoolExecutor(workers) as executor:res executor.map(download_one, sorted(cc_list))17.1.3 future 在哪里
从 Python 3.4 起标准库中有两个名为 Future 的 类concurrent.futures.Future 和 asyncio.Future。这两个类的作用相同两个 Future 类的实例都表示可能已经完成或者尚未完成的延迟计算。
通常情况下自己不应该创建 future。
这两种 future 都有 .done() 方法这个方法不阻塞返回值是布尔值指明 future 链接的 可调用对象是否已经执行。客户端代码通常不会询问 future 是否运行结束而是会等待通知。
因此两个 Future 类都有 .add_done_callback() 方法。
还有 .result() 方法。在 future 运行结束后调用的话这个方法在两个 Future 类 中的作用相同返回可调用对象的结果或者重新抛出执行可调用的对象时抛出的异常。 可是如果 future 没有运行结束result 方法在两个 Future 类中的行为相差很大。对 concurrency.futures.Future 实例来说调用 f.result() 方法会阻塞调用方所在的线程直到有结果可返回。此时result 方法可以接收可选的 timeout 参数如果在指定的时间内 future 没有运行完毕会抛出 TimeoutError 异常。asyncio. Future.result 方法不支持设定超时时间在那个库中获取 future 的结果最好使用 yield from 结构。不过对 concurrency.futures.Future 实例不能这么做。
def download_many(cc_list):cc_list cc_list[:5]with futures.ThreadPoolExecutor(max_workers3) as executor:to_do []for cc in sorted(cc_list):future executor.submit(download_one, cc)to_do.append(future)msg Scheduled for {}: {}print(msg.format(cc, future))results []for future in futures.as_completed(to_do):res future.result()msg {} result: {!r}print(msg.format(future, res))results.append(res)return len(results)严格来说我们目前测试的并发脚本都不能并行下载。使用 concurrent.futures 库实现的 那两个示例受 GIL(Global Interpreter Lock全局解释器锁)的限制而 flags_asyncio.py 脚本在单个线程中运行。
GIL 几乎对 I/O 密集型处理无害。
17.2 阻塞型I/O和GIL
CPython 解释器本身就不是线程安全的因此有全局解释器锁(GIL)一次只允许使用一个线程执行 Python 字节码。因此一个 Python 进程通常不能同时使用多个 CPU 核心。这是 CPython 解释器的局限与 Python 语言本身无关。标准库中所有执行阻塞型 I/O 操作的函数在等待操作系统返回结果时都会释放 GIL。
17.3 使用 concurrent.futures 模块启动进程
这个模块实现的是真正的并行计算因为它使用 ProcessPoolExecutor 类把工作分配给多个 Python 进程处理。因此如果需要做 CPU 密集型处理使用这个模块能绕开 GIL利用所有可用的 CPU 核心。
def download_many(cc_list):workers min(MAX_WORKERS, len(cc_list))with futures.ThreadPoolExecutor(workers) as executor:改成:
def download_many(cc_list):with futures.ProcessPoolExecutor() as executor:ThreadPool Executor.__init__ 方需要 max_workers 参数 指定线程池中线程的数量。 在ProcessPoolExecutor 类中那个参数是可选的而且大多数情况下不使用——默认值是 os.cpu_count() 函数返回的 CPU 数量。
如果使用 Python 处理 CPU 密集型工作应该试试 PyPy(http://pypy.org)。
17.4 实验 Executor.map 方法
executor futures.ThreadPoolExecutor(max_workers3)
results executor.map(loiter, range(5)) # 返回的是一个生成器
for i, result in enumerate(results):
...for 循环中的 enumerate 函数会隐式调用 next(results)这个函数又会在(内部)表示第一个任务(loiter(0))的 _f future 上调用 _f.result() 方法。result 方法会阻塞直到 future 运行结束因此这个循环每次迭代时都要等待下一个结果做好准备。
Executor.map 函数返回结果的顺序与调用开始的顺序一致。
executor.submit 和 futures.as_completed 这个组合比 executor.map 更灵活 因为 submit 方法能处理不同的可调用对象和参数而 executor.map 只能处理参数不同的同一个可调用对象。此外传给 futures.as_completed 函数的 future 集合可以来自多个 Executor 实例例如一些由 ThreadPoolExecutor 实例创建另一些由 ProcessPoolExecutor 实例创建。
17.5 显示下载进度并处理错误
17.5.1 flags2系列示例处理错误的方式
17.5.2 使用 futures.as_completed 函数
with futures.ThreadPoolExecutor(max_workersconcur_req) as executor:to_do_map {}for cc in sorted(cc_list):future executor.submit(download_one, cc, base_url, verbose)to_do_map[future] ccdone_iter futures.as_completed(to_do_map)for future in done_iter:try:res future.result()except requests.exceptions.HTTPError as exc:error_msg HTTP {res.status_code} - {res.reason}error_msg error_msg.format(resexc.response)except requests.exceptions.ConnectionError as exc:error_msg Connection errorelse:error_msg status res.statusfutures.as_completed 函数特别有用的惯用法构建一个字典 把各个 future 映射到其他数据(future 运行结束后可能有用)上。这里在 to_do_map 中 我们把各个 future 映射到对应的国家代码上。这样尽管 future 生成的结果顺序已经乱了依然便于使用结果做后续处理。
17.5.3 线程和多进程的替代方案
multiprocessing 模块 还能解决协作进程遇到的最大挑战在进程之间传递数据。
