python中concurrent.futures的具体使用

当前位置:

首页 > Python基础教程 >

python中concurrent.futures的具体使用

concurrent.futures是Python标准库的一部分,提供了ThreadPoolExecutor和ProcessPoolExecutor两种执行器,用于管理线程池和进程池,通过这些执行器,可以简化多线程和多进程任务的管理,提高程序执行效率

concurrent.futures 是 Python 标准库中用于并行编程的高级模块，它提供了一种高级别的接口来管理线程和进程。通过这个模块，你可以轻松地利用多线程和多进程来并行执行任务，进而提高程序的执行效率。

concurrent.futures 概述

concurrent.futures 提供了两种执行器类型：

ThreadPoolExecutor：用于管理线程池。

ProcessPoolExecutor：用于管理进程池。

这两种执行器都实现了同样的接口，因此你可以使用相同的代码逻辑来管理线程和进程。

核心 API

2.1 concurrent.futures.Executor
Executor 是一个抽象基类，它定义了任务提交和管理的核心接口。以下是 Executor 提供的主要方法：

submit(fn, *args, **kwargs)：

提交一个函数给执行器，函数会在独立的线程或进程中执行。返回一个 Future 对象。
场景：当你需要执行一个后台任务并获取结果时使用。

from concurrent.futures import ThreadPoolExecutor
 
def square(n):
    return n * n
 
with ThreadPoolExecutor() as executor:
    future = executor.submit(square, 10)
    print(future.result())  # 输出: 100

提交一个函数给执行器，函数会在独立的线程或进程中执行。返回一个 Future 对象。

场景：当你需要执行一个后台任务并获取结果时使用。

map(func, *iterables, timeout=None, chunksize=1)：

将一个函数应用于一个或多个迭代器中的每个元素，并行地执行。类似于内置的 map() 函数，但它会并行执行。
场景：当你有一组数据需要并行处理时使用。

with ThreadPoolExecutor() as executor:
    results = executor.map(square, range(10))
    print(list(results))  # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

shutdown(wait=True, cancel_futures=False)：

释放执行器资源。如果 wait=True，则会等待所有提交的任务完成；如果 cancel_futures=True，则会取消所有未开始的任务。
场景：当你需要优雅地关闭执行器时使用。

executor.shutdown(wait=True)

2.2 concurrent.futures.Future
Future 对象用于表示异步执行的任务结果。以下是 Future 提供的主要方法：

result(timeout=None)：

获取任务的结果，如果任务还未完成，则会等待。你可以设置一个超时时间。
场景：当你需要获取异步任务的执行结果时使用。

result = future.result(timeout=5) # 等待最多5秒
exception(timeout=None)：

如果任务抛出了异常，则返回该异常对象，否则返回 None。
场景：当你想处理任务中的异常时使用。

try:
    result = future.result()
except Exception as e:
    print(f"Error occurred: {e}")
done()：

检查任务是否已完成。
场景：当你想知道任务是否已经完成时使用。

if future.done():
    print("Task is completed.")

add_done_callback(fn)：
为 Future 对象添加一个回调函数，当任务完成时会自动调用此回调。
场景：当你需要在任务完成后自动触发某些操作时使用。

def on_done(fut):
    print(f"Task done with result: {fut.result()}")
 
future.add_done_callback(on_done)

ThreadPoolExecutor 与 ProcessPoolExecutor

3.1 ThreadPoolExecutor
线程池执行器，用于管理线程。适用于 I/O 密集型任务，如文件操作、网络请求等。

with ThreadPoolExecutor(max_workers=5) as executor:
    future = executor.submit(square, 10)

参数说明：

max_workers：最大并发线程数。

3.2 ProcessPoolExecutor
进程池执行器，用于管理进程。适用于 CPU 密集型任务，如计算密集型操作。

from concurrent.futures import ProcessPoolExecutor
 
with ProcessPoolExecutor(max_workers=5) as executor:
    future = executor.submit(square, 10)

参数说明：

max_workers：最大并发进程数。

使用场景

4.1 I/O 密集型任务
场景：当你有多个需要等待 I/O 操作（如文件读取、网络请求）的任务时，可以使用 ThreadPoolExecutor 来并行执行这些任务，从而减少总的等待时间。

import requests
 
def fetch_url(url):
    response = requests.get(url)
    return response.status_code
 
urls = ['https://www.example.com', 'https://www.google.com', 'https://www.github.com']
 
with ThreadPoolExecutor(max_workers=3) as executor:
    results = executor.map(fetch_url, urls)
    print(list(results))

4.2 CPU 密集型任务
场景：当你有多个需要大量计算的任务时，可以使用 ProcessPoolExecutor 来并行执行，从而充分利用多核 CPU 提高效率。

def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)
 
with ProcessPoolExecutor(max_workers=3) as executor:
    results = executor.map(fibonacci, range(10, 20))
    print(list(results))

总结
concurrent.futures 提供了一个方便的接口来管理多线程和多进程的并发执行。通过理解和使用这些 API，你可以更有效地编写并行程序，提高程序的执行效率。在选择使用 ThreadPoolExecutor 还是 ProcessPoolExecutor 时，应根据任务的性质（I/O 密集型或 CPU 密集型）来决定。

到此这篇关于python中concurrent.futures的具体使用的文章就介绍到这了,更多相关python concurrent.futures内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

原文链接：https://blog.csdn.net/pumpkin84514/article/details/141404702

栏目列表