concurrent.futures —Launching parallel tasks concurrent.futures模块同时提供了进程池和线程池，它是将来的使用趋势，同样我们之前学习的进程池Pool和threadpool模块也可以使用。
对进程池疑惑的可以参阅：32进程池与回调函数http://www.cnblogs.com/liluning/p/7445457.html
对threadpool模块疑惑的可以看我闲暇时写的一段代码：（因为本人也不了解这个模块，代码里写的也是自己想当然的，如有问题请自行查阅资料）
#pip3 install threadpool #需下载
import threadpool
import requests
import re
import os#爬取网页
def get_page(url) :
pattern = re.compile(r'<dd>.*?board-index.*?>(\d+)<.*?title="(.*?)".*?star.*?>(.*?)<.*?releasetime.*?>(.*?)<', re.S)
response = requests.get(url)
if response.status_code == 200 :
#status_code请求的状态码200为正常
return (response.text,pattern,url)#信息处理
def parse_page(info) :
page_content,pattern,url = info
print('<%s> parse [%s]'% (os.getpid(), url))
res = re.findall(pattern,page_content)
dic_l = []
for item in res:
dic = {
'index':item[0],
'title':item[1],
'actor':item[2].strip()[3:],
'time':item[3][5:]
}
dic_l.append(dic)
print(dic)
with open('movie_info.txt','a',encoding='utf-8') as f :
for i in range(len(dic_l)) :
parse_res = ('index:%s title:%s actor:%s time:%s\n' %(dic_l[i]['index'],dic_l[i]['title'],dic_l[i]['actor'],dic_l[i]['time']))
f.write(parse_res)if __name__ == '__main__':
urls = [
'http://maoyan.com/board/7',
'http://maoyan.com/board/6',
'http://maoyan.com/board/1',
'http://maoyan.com/board/2',
'http://maoyan.com/board/4',
]
t = threadpool.ThreadPool(4) #创建线程池
for url in urls :
res = threadpool.makeRequests(get_page,urls,parse_page(get_page(url)))
#参数：执行函数，参数，回调函数
[t.putRequest(req) for req in res]
t.wait()
基于threadpool猫眼爬虫
一、concurrent.futures模块
1、官方文档
https://docs.python.org/dev/library/concurrent.futures.html
2、ProcessPoolExecutor（进程池）与ThreadPoolExecutor（线程池）
（进程池类与线程池类的方法使用等各方面基本相同）
1）导入
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
2）创建
p = ProcessPoolExecutor(num) #创建进程池
t = ThreadPoolExecutor(num) #创建线程池
3）参数
num:要创建的进程数或线程数，如果省略，进程数将默认使用cpu_count()的值，线程数将默认使用cpu_count()*5的值
4）主要方法
submit(fn, *args, **kwargs)：在一个池工作进程中执行执行fn(args kwargs)执行，并返回一个表示可调用的执行的Future对象
map(func, *iterables, timeout=None, chunksize=1)：
shutdown(wait=True)：执行结束释放资源
3、应用
1）进程池
from concurrent.futures import ProcessPoolExecutor
import os,time
def task(n):
print('%s is running' %os.getpid())
time.sleep(2)
return n**2if __name__ == '__main__':
p=ProcessPoolExecutor()
l=[]
start=time.time()
for i in range(10):
obj=p.submit(task,i)
l.append(obj)
p.shutdown()
print('='*30)
print([obj for obj in l])
print([obj.result() for obj in l])
print(time.time()-start)
2）线程池
from concurrent.futures import ThreadPoolExecutor
import threading
import os,time
def task(n):
print('%s:%s is running' %(threading.currentThread().getName(),os.getpid()))
time.sleep(2)
return n**2if __name__ == '__main__':
p=ThreadPoolExecutor()
l=[]
start=time.time()
for i in range(10):
obj=p.submit(task,i)
l.append(obj)
p.shutdown()
print('='*30)
print([obj.result() for obj in l])
print(time.time()-start)
3）同步执行
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os,time,random
def task(n):
print('%s is running' %os.getpid())
time.sleep(2)
return n**2if __name__ == '__main__':
p=ProcessPoolExecutor()
start=time.time()
for i in range(10):
res=p.submit(task,i).result()
print(res)
print('='*30)
print(time.time()-start)
4、回调函数
不懂回调函数的看本章节首部有链接
from concurrent.futures import ThreadPoolExecutor
import requests, os, time
from threading import currentThread
def get_page(url):
print('%s:<%s> is getting [%s]' %(currentThread().getName(),os.getpid(),url))
response=requests.get(url)
time.sleep(2)
return {'url':url,'text':response.text}
def parse_page(res):
res=res.result() #注意值
print('%s:<%s> parse [%s]' %(currentThread().getName(),os.getpid(),res['url']))
with open('db.txt','a') as f:
parse_res='url:%s size:%s\n' %(res['url'],len(res['text']))
f.write(parse_res)
if __name__ == '__main__':
p=ThreadPoolExecutor()
urls = [
'https://www.baidu.com',
'http://www.openstack.org',
'https://www.python.org',
'http://www.sina.com.cn/'
] for url in urls:
p.submit(get_page, url).add_done_callback(parse_page)
#add_done_callback()回调函数
p.shutdown()
print('主',os.getpid())
5、map方法
map有疑惑可以阅览：19、内置函数和匿名函数http://www.cnblogs.com/liluning/p/7280832.html
from concurrent.futures import ProcessPoolExecutor
import os,time
def task(n):
print('%s is running' %os.getpid())
time.sleep(2)
return n**2if __name__ == '__main__':
p=ProcessPoolExecutor()
obj=p.map(task,range(10))
p.shutdown()
print('='*30)
print(list(obj))
二、协程概念
1、定义
是单线程下的并发，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。
2、注意
1）python的线程属于内核级别的，即由操作系统控制调度（如单线程遇到io或执行时间过长就会被迫交出cpu执行权限，切换其他线程运行）
2）单线程内开启协程，一旦遇到io，就会从应用程序级别（而非操作系统）控制切换，以此来提升效率（！！！非io操作的切换与效率无关）
3、优点
1） 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级
2） 单线程内就可以实现并发的效果，最大限度地利用cpu
4、缺点
1） 协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程
2） 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程
5、总结
1）必须在只有一个单线程里实现并发
2）修改共享数据不需加锁
3）用户程序里自己保存多个控制流的上下文栈
附加：一个协程遇到IO操作自动切换到其它协程（如何实现检测IO，yield、greenlet都无法实现，就用到了gevent模块（select机制））
三、greenlet模块
如果我们在单个线程内有20个任务，要想实现在多个任务之间切换，使用yield生成器的方式过于麻烦（需要先得到初始化一次的生成器，然后再调用send。。。非常麻烦），而使用greenlet模块可以非常简单地实现这20个任务直接的切换
生成器：18、迭代器和生成器http://www.cnblogs.com/liluning/p/7274862.html
1、安装
pip3 install greenlet
2、使用
from greenlet import greenletdef eat(name):
print('%s eat 1' %name)
g2.switch('egon')
print('%s eat 2' %name)
g2.switch()
def play(name):
print('%s play 1' %name)
g1.switch()
print('%s play 2' %name)g1=greenlet(eat)
g2=greenlet(play)g1.switch('egon')#可以在第一次switch时传入参数，以后都不需要
3、单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度
#顺序执行
import time
def f1():
res=1
for i in range(100000000):
res+=idef f2():
res=1
for i in range(100000000):
res*=istart=time.time()
f1()
f2()
stop=time.time()
print('run time is %s' %(stop-start)) #10.985628366470337#切换
from greenlet import greenlet
import time
def f1():
res=1
for i in range(100000000):
res+=i
g2.switch()def f2():
res=1
for i in range(100000000):
res*=i
g1.switch()start=time.time()
g1=greenlet(f1)
g2=greenlet(f2)
g1.switch()
stop=time.time()
print('run time is %s' %(stop-start)) # 52.763017892837524
单线程里的这20个任务的代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。。。。如此，才能提高效率，这就用到了Gevent模块。
四、Gevent模块
1、安装
pip3 install gevent
Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是Greenlet, 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。
2、用法
g1=gevent.spawn(func,1,,2,3,x=4,y=5)创建一个协程对象g1，spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的g2=gevent.spawn(func2)g1.join() #等待g1结束g2.join() #等待g2结束#或者上述两步合作一步：gevent.joinall([g1,g2])g1.value#拿到func1的返回值
3、遇到IO阻塞时会自动切换任务
import gevent
def eat(name):
print('%s eat 1' %name)
gevent.sleep(2)
print('%s eat 2' %name)def play(name):
print('%s play 1' %name)
gevent.sleep(1)
print('%s play 2' %name)g1=gevent.spawn(eat,'egon')
g2=gevent.spawn(play,name='egon')
g1.join()
g2.join()
#或者gevent.joinall([g1,g2])
print('主')
上例gevent.sleep(2)模拟的是gevent可以识别的io阻塞,而time.sleep(2)或其他的阻塞,gevent是不能直接识别的需要用下面一行代码,打补丁,就可以识别了from gevent import monkey;monkey.patch_all()必须放到被打补丁者的前面，如time，socket模块之前或者我们干脆记忆成：要用gevent，需要将from gevent import monkey;monkey.patch_all()放到文件的开头
from gevent import monkey;monkey.patch_all()import gevent
import time
def eat():
print('eat food 1')
time.sleep(2)
print('eat food 2')def play():
print('play 1')
time.sleep(1)
print('play 2')g1=gevent.spawn(eat)
g2=gevent.spawn(play_phone)
gevent.joinall([g1,g2])
print('主')
4、Gevent的同步与异步
from gevent import spawn,joinall,monkey;monkey.patch_all()import time
def task(pid):
"""
Some non-deterministic task
"""
time.sleep(0.5)
print('Task %s done' % pid)def synchronous():
for i in range(10):
task(i)def asynchronous():
g_l=[spawn(task,i) for i in range(10)]
joinall(g_l)if __name__ == '__main__':
print('Synchronous:')
synchronous() print('Asynchronous:')
asynchronous()
#上面程序的重要部分是将task函数封装到Greenlet内部线程的gevent.spawn。 初始化的greenlet列表存放在数组threads中，此数组被传给gevent.joinall 函数，后者阻塞当前流程，并执行所有给定的greenlet。执行流程只会在 所有greenlet执行完后才会继续向下走。
5、Gevent实现爬虫
from gevent import monkey;monkey.patch_all()
import gevent
import requests
import timedef get_page(url):
print('GET: %s' %url)
response=requests.get(url)
if response.status_code == 200:
print('%d bytes received from %s' %(len(response.text),url))start_time=time.time()
g1=gevent.spawn(get_page, 'https://www.python.org/')
g2=gevent.spawn(get_page, 'https://www.yahoo.com/')
g3=gevent.spawn(get_page, 'https://github.com/')
gevent.joinall([g1,g2,g3])
stop_time=time.time()
print('run time is %s' %(stop_time-start_time))
6、gevent实现单线程下的socket并发
通过gevent实现单线程下的socket并发（from gevent import monkey;monkey.patch_all()一定要放到导入socket模块之前，否则gevent无法识别socket的阻塞）
from gevent import monkey;monkey.patch_all()
from socket import *
import gevent#如果不想用money.patch_all()打补丁,可以用gevent自带的socket
# from gevent import socket
# s=socket.socket()def server(server_ip,port):
s=socket(AF_INET,SOCK_STREAM)
s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
s.bind((server_ip,port))
s.listen(5)
while True:
conn,addr=s.accept()
gevent.spawn(talk,conn,addr)def talk(conn,addr):
try:
while True:
res=conn.recv(1024)
print('client %s:%s msg: %s' %(addr[0],addr[1],res))
conn.send(res.upper())
except Exception as e:
print(e)
finally:
conn.close()if __name__ == '__main__':
server('127.0.0.1',8080)
服务端
from socket import *client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))while True:
msg=input('>>: ').strip()
if not msg:continue client.send(msg.encode('utf-8'))
msg=client.recv(1024)
print(msg.decode('utf-8'))
客户端
7、多协程发送多个客户端
from gevent import monkey;monkey.patch_all()
import gevent
from socket import *
def talk(conn,addr):
while True:
data=conn.recv(1024)
print('%s:%s %s' %(addr[0],addr[1],data))
conn.send(data.upper())
conn.close()def server(ip,port):
s = socket(AF_INET, SOCK_STREAM)
s.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)
s.bind((ip,port))
s.listen(5)
while True:
conn,addr=s.accept()
gevent.spawn(talk,conn,addr)
s.close()if __name__ == '__main__':
server('127.0.0.1', 8088)
服务端
from multiprocessing import Process
from socket import *
def client(server_ip,server_port):
client=socket(AF_INET,SOCK_STREAM)
client.connect((server_ip,server_port))
while True:
client.send('hello'.encode('utf-8'))
msg=client.recv(1024)
print(msg.decode('utf-8'))if __name__ == '__main__':
for i in range(500):
p=Process(target=client,args=('127.0.0.1',8088))
p.start()
客户端
