Python 并发编程之线程池/进程池

引言

python标准库为我们提供了threading和multiprocessing模块编写相应的多线程/多进程代码，但是当项目达到一定的规模，频繁创建/销毁进程或者线程是非常消耗资源的，这个时候我们就要编写自己的线程池/进程池，以空间换时间。但从python3.2开始，标准库为我们提供了concurrent.futures模块，它提供了threadpoolexecutor和processpoolexecutor两个类，实现了对threading和multiprocessing的进一步抽象，对编写线程池/进程池提供了直接的支持。

executor和future

concurrent.futures模块的基础是exectuor，executor是一个抽象类，它不能被直接使用。但是它提供的两个子类threadpoolexecutor和processpoolexecutor却是非常有用，顾名思义两者分别被用来创建线程池和进程池的代码。我们可以将相应的tasks直接放入线程池/进程池，不需要维护queue来操心死锁的问题，线程池/进程池会自动帮我们调度。

future这个概念相信有java和nodejs下经验的朋友肯定不陌生了，你可以把它理解为一个在未来完成的操作，这是异步编程的基础，传统编程模式下比如我们操作queue.get的时候，在等待返回结果之前会产生阻塞，cpu不能让出来做其他事情，而future的引入帮助我们在等待的这段时间可以完成其他的操作。关于在python中进行异步io可以完本文之后参考我的python并发编程之协程/异步io。

p.s: 如果你依然在坚守python2.x，请先安装futures模块。

pip install futures

使用submit来操作线程池/进程池

我们先通过下面这段代码来了解一下线程池的概念

# example1.py

from concurrent.futures import threadpoolexecutor

import time

def return_future_result(message):

time.sleep(2)

return message

pool = threadpoolexecutor(max_workers=2) # 创建一个最大可容纳2个task的线程池

future1 = pool.submit(return_future_result, ("hello")) # 往线程池里面加入一个task

future2 = pool.submit(return_future_result, ("world")) # 往线程池里面加入一个task

print(future1.done()) # 判断task1是否结束

time.sleep(3)

print(future2.done()) # 判断task2是否结束

print(future1.result()) # 查看task1返回的结果

print(future2.result()) # 查看task2返回的结果

我们根据运行结果来分析一下。我们使用submit方法来往线程池中加入一个task，submit返回一个future对象，对于future对象可以简单地理解为一个在未来完成的操作。在第一个print语句中很明显因为time.sleep(2)的原因我们的future1没有完成，因为我们使用time.sleep(3)暂停了主线程，所以到第二个print语句的时候我们线程池里的任务都已经全部结束。

ziwenxie :: ~ » python example1.py

false

true

hello

world

# 在上述程序执行的过程中，通过ps命令我们可以看到三个线程同时在后台运行

ziwenxie :: ~ » ps -elf | grep python

ziwenxie 8361 7557 8361 3 3 19:45 pts/0 00:00:00 python example1.py

ziwenxie 8361 7557 8362 0 3 19:45 pts/0 00:00:00 python example1.py

ziwenxie 8361 7557 8363 0 3 19:45 pts/0 00:00:00 python example1.py

上面的代码我们也可以改写为进程池形式，api和线程池如出一辙，我就不罗嗦了。

# example2.py

from concurrent.futures import processpoolexecutor

import time

def return_future_result(message):

time.sleep(2)

return message

pool = processpoolexecutor(max_workers=2)

future1 = pool.submit(return_future_result, ("hello"))

future2 = pool.submit(return_future_result, ("world"))

print(future1.done())

time.sleep(3)

print(future2.done())

print(future1.result())

print(future2.result())

下面是运行结果

ziwenxie :: ~ » python example2.py

false

true

hello

world

ziwenxie :: ~ » ps -elf | grep python

ziwenxie 8560 7557 8560 3 3 19:53 pts/0 00:00:00 python example2.py

ziwenxie 8560 7557 8563 0 3 19:53 pts/0 00:00:00 python example2.py

ziwenxie 8560 7557 8564 0 3 19:53 pts/0 00:00:00 python example2.py

ziwenxie 8561 8560 8561 0 1 19:53 pts/0 00:00:00 python example2.py

ziwenxie 8562 8560 8562 0 1 19:53 pts/0 00:00:00 python example2.py

使用map/wait来操作线程池/进程池

除了submit，exectuor还为我们提供了map方法，和内建的map用法类似，下面我们通过两个例子来比较一下两者的区别。

使用submit操作回顾

# example3.py

import concurrent.futures

import urllib.request

urls = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/']

def load_url(url, timeout):

with urllib.request.urlopen(url, timeout=timeout) as conn:

return conn.read()

# we can use a with statement to ensure threads are cleaned up promptly

with concurrent.futures.threadpoolexecutor(max_workers=3) as executor:

# start the load operations and mark each future with its url

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)))

从运行结果可以看出，as_completed不是按照urls列表元素的顺序返回的。

ziwenxie :: ~ » python example3.py

'http://example.com/' page is 1270 byte

'https://api.github.com/' page is 2039 bytes

'http://httpbin.org' page is 12150 bytes

使用map

# example4.py

import concurrent.futures

import urllib.request

urls = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/']

def load_url(url):

with urllib.request.urlopen(url, timeout=60) as conn:

return conn.read()

# we can use a with statement to ensure threads are cleaned up promptly

with concurrent.futures.threadpoolexecutor(max_workers=3) as executor:

for url, data in zip(urls, executor.map(load_url, urls)):

print('%r page is %d bytes' % (url, len(data)))

从运行结果可以看出，map是按照urls列表元素的顺序返回的，并且写出的代码更加简洁直观，我们可以根据具体的需求任选一种。

ziwenxie :: ~ » python example4.py

'http://httpbin.org' page is 12150 bytes

'http://example.com/' page is 1270 bytes

'https://api.github.com/' page is 2039 bytes

第三种选择wait

wait方法接会返回一个tuple(元组)，tuple中包含两个set(集合)，一个是completed(已完成的)另外一个是uncompleted(未完成的)。使用wait方法的一个优势就是获得更大的*度，它接收三个参数first_completed, first_exception 和all_complete，默认设置为all_completed。

我们通过下面这个例子来看一下三个参数的区别

from concurrent.futures import threadpoolexecutor, wait, as_completed

from time import sleep

from random import randint

def return_after_random_secs(num):

sleep(randint(1, 5))

return "return of {}".format(num)

pool = threadpoolexecutor(5)

futures = []

for x in range(5):

futures.append(pool.submit(return_after_random_secs, x))

print(wait(futures))

# print(wait(futures, timeout=none, return_when='first_completed'))

如果采用默认的all_completed，程序会阻塞直到线程池里面的所有任务都完成。

ziwenxie :: ~ » python example5.py

doneandnotdonefutures(done={

,

,

,

,

}, not_done=set())

如果采用first_completed参数，程序并不会等到线程池里面所有的任务都完成。

ziwenxie :: ~ » python example5.py

doneandnotdonefutures(done={

,

,

},

not_done={,

})

思考题

写一个小程序对比multiprocessing.pool(threadpool)和processpollexecutor(threadpoolexecutor)在执行效率上的差距，结合上面提到的future思考为什么会造成这样的结果。