Python中的concurrent并发包(构建线程池和进程池)

女爷i 2022-10-01 11:56 187阅读 0赞

# Python中的concurrent并发包(构建线程池和进程池) #

### 文章目录 ###

*  Python中的concurrent并发包(构建线程池和进程池)
 *   *  ThreadPoolExecutor线程池与ProcessPoolExecutor进程池对象
     *  构造方法
     *  concurrent.futures.Future类，未来结果类
     *  concurrent.futures.wait方法
     *  上下文管理

### concurrent.futures ###

###  ###

3.2版本引入的模块。  
异步并行任务编辑模块，提供一个高级的异步可执行的便利接口。  
提供了2个池执行器

*  concurrent.functures库统一了线程池和进程池，简化了编程。体现了Python简单的思想哲学。

1.  **ThreadPoolExecutor**异步调用的线程池的Executor
2.  **ProcessPoolExecutor**异步调用的进程池的Executor

## ThreadPoolExecutor线程池与ProcessPoolExecutor进程池对象 ##

首先需要定义一个池的执行器对象，Executor类子类对象。

<table> 
 <thead> 
  <tr> 
   <th align="left">方法</th> 
   <th align="left">含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">submit(fn,*args,**kwargs)-&gt;Future</td> 
   <td align="left">提交执行的函数及其参数，返回Future类的实例</td> 
  </tr> 
  <tr> 
   <td align="left">shutdown(wait=True)</td> 
   <td align="left">清理池,默认等待计算完成后再清理所有池中的对象。</td> 
  </tr> 
  <tr> 
   <td align="left">map(func, *iterables, timeout=None, chunksize=1)</td> 
   <td align="left">类似于map函数，提供映射计算。<br>func映射函数。<br>iterables可迭代对象，用来一个个传递给映射函数。<br>chunksize=1,每次计算，块的大小，默认值为1，当数据特别大时，可以修改chunksize的值来提高运算速度。</td> 
  </tr> 
 </tbody> 
</table>

*  **注意**：

1.  ThreadPoolExecutor与ProcessPoolExecutor都是懒惰模式，在使用时才初始化创建对应的线程和进程。

## 构造方法 ##

1.  class concurrent.futures.ProcessPoolExecutor(max\_workers=None, mp\_context=None, initializer=None, initargs=()) \#**进程池构造方法**
    
     *  max\_workers \#最大进程个数
     *  mp\_context \#在版本3.7中进行了更改:添加了mp\_context参数，允许用户控制池创建的worker进程的start\_method。
     *  initializer \#每个工作进程创建开始时调用的函数，即进程创建后的第一个初始化函数。
     *  initargs \#初始化函数initializer中的位置参数。
2.  class concurrent.futures.ThreadPoolExecutor(max\_workers=None, thread\_name\_prefix=’’, initializer=None, initargs=())->Future \#**线程池初构造方法**
    
     *  max\_workers \#最大线程个数
     *  thread\_name\_prefix \#线程池创建工作线程时线程名的前缀。
     *  initializer \#每个工作线程创建开始时调用的函数，即线程创建后的第一个初始化函数。
     *  initargs \#初始化函数initializer中的位置参数。

## concurrent.futures.Future类，未来结果类 ##

<table> 
 <thead> 
  <tr> 
   <th align="left">方法</th> 
   <th align="left">含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">done()</td> 
   <td align="left">如果调用被成功的取消或者执行完成，返回True</td> 
  </tr> 
  <tr> 
   <td align="left">cancelled()</td> 
   <td align="left">如果调用被成功的取消，返回True</td> 
  </tr> 
  <tr> 
   <td align="left">running()</td> 
   <td align="left">如果正在运行且不能被取消，返回True</td> 
  </tr> 
  <tr> 
   <td align="left">cancel()</td> 
   <td align="left">尝试取消调用。如果已经执行且不能取消返回False,否则返回True</td> 
  </tr> 
  <tr> 
   <td align="left">result(timeout=None)</td> 
   <td align="left">获取返回的结果，timeout默认为None,表示永久阻塞直到返回结果。<br>如果设置了timeout并且超时还未返回结果，则抛出concurrent.futures.TimeoutError异常</td> 
  </tr> 
  <tr> 
   <td align="left">exception(timeout=None)</td> 
   <td align="left">获取返回的异常，timeout默认为None表示一直阻塞直到返回。<br>timeout设置到期，抛出concurrent.futures.Timeouterror异常</td> 
  </tr> 
  <tr> 
   <td align="left">add_done_callback(fn)</td> 
   <td align="left">添加回调函数，回调函数必须是一参的回调函数，会将返回结果Future对象传入。<br>可以添加多个回调函数，回调函数执行的顺序是添加的顺序。</td> 
  </tr> 
 </tbody> 
</table>

## concurrent.futures.wait方法 ##

concurrent.futures.wait(fs, timeout=None, return\_when=ALL\_COMPLETED)->(done,not\_done) \#等待任务执行结果。会阻塞，直到等待fs中所有任务都执行完成返回结果。

*  fs \#是个列表，由多个Future组成。
 *  timeout=None \#超时时长。默认为None。永久阻塞，直到所有fs都返回结果才返回。
 *  return\_when=ALL\_COMPLETED \#模式，决定函数何时返回，默认模式为：ALL\_COMPLETED。可选模式如下：
    
    1.  FIRST\_COMPLETED \#只要有一个Future计算完成或被取消就立即返回结果，结束阻塞
    2.  FIRST\_EXCEPTION \#只有有一个Future出现异常就立即返回结果，结束阻塞。如果一直没有异常，就相当于ALL\_COMPLETED模式。
    3.  ALL\_COMPLETED \#当所有Future计算完成，或被取消才返回结果，结束阻塞。
 *  done \#返回值二元组中的第一个参数，一个集合，记录所有已经执行完成返回结果的Future
 *  not\_done \#返回值二元组中的第二个参数，一个集合，记录所有未执行完的Future
 *  综合示例

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
    from concurrent import futures
    import threading,multiprocessing
    import logging
    import time,sys
    
    FORMAT = "%(asctime)-15s [%(processName)s:%(threadName)s, %(process)d:%(thread)8d] %(message)s"
    logging.basicConfig(stream=sys.stdout,level=logging.INFO,format=FORMAT)
    log = logging.getLogger(__name__)
    
    def init():
        log.info("我被初始化了--------")
    
    def worker(aaa):
        log.info("开始工作了~~~~~~~~~~~~~")
        time.sleep(2)
        log.info("工作完成")
        return aaa
    
    def callback(fs):
        log.info("回调函数执行{},{}".format(fs,fs.result()))
    
    def callback2(fs):
        log.info("2回调函数执行{},{}".format(fs,fs.result()))
    
    
    if __name__ == "__main__":
        # executerThr = ThreadPoolExecutor(max_workers=3,initializer=init)
        executerPro = ProcessPoolExecutor(max_workers=3,initializer=init)
    
        time.sleep(0.1)
        # 注意ThreadPoolExecutor线程池是懒惰模式，使用时才会创建
        print(threading.enumerate(),multiprocessing.active_children())
    
        fs = []
        for i in range(5):
            f = executerPro.submit(fn=worker,aaa=i)
            f.add_done_callback(callback)
            f.add_done_callback(callback2)
            fs.append(f)
    
        print(threading.enumerate())
        print(multiprocessing.active_children())
        # executerPro.shutdown()
        # for i in fs:
        # log.info(i.result())
    
        done,not_done = futures.wait(fs,return_when=futures.ALL_COMPLETED)
        for i in done:
            print(i.result())
        print("开始打印not_down....")
        for i in not_done:
            print(i.result())

![process\_007][process_007]

## 上下文管理 ##

concurrent.futures.ProcessPoolExecutor继承自concurrent.futures.\_base.Executor，而父类有`__enter__` 、 `__exit__`方法，支持上下文管理。可以使用with语句。  
`__exit__`方法本质还是调用的shutdown(wait=True)，就是一直阻塞到所有运行的任务完成

*  综合示例

import threading
    from concurrent import futures
    import logging,sys
    import time
    
    FORMAT = "%(asctime)-15s [%(processName)s:%(threadName)s, %(process)d:%(thread)8d] %(message)s"
    logging.basicConfig(stream=sys.stdout,level=logging.INFO,format=FORMAT)
    log = logging.getLogger(__name__)
    
    def worker(n):
        log.info("开始工作：{}".format(n))
        time.sleep(2)
        logging.info("结束工作 {}".format(n))
    
    if __name__ == "__main__":
        with futures.ThreadPoolExecutor(max_workers=3) as executer:
            fs = []
            for i in range(5):
                fs.append(executer.submit(worker,i))
    
            while True:
                time.sleep(2)
                log.info(threading.enumerate())
    
                flag = True
                for f in fs:#判断是否还有未完成的任务
                    log.info(f.done())
                    flag = flag and f.done()
                    # if not flag:
                    # break
                print("- "*30)
                if flag:
                    break
            # executer.shutdown() #上下文已经清理了资源
        log.info("========end=========")
        log.info(threading.enumerate())

![process\_008][process_008]

[process_007]: https://raw.githubusercontent.com/1263351411/xdd.github.io/master/img/python/process_007.jpg
[process_008]: https://raw.githubusercontent.com/1263351411/xdd.github.io/master/img/python/process_008.jpg