13518219792
这篇文章主要介绍“Python自带的线程池和进程池有什么用”，在日常操作中，相信很多人在Python自带的线程池和进程池有什么用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python自带的线程池和进程池有什么用”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
创新互联-专业网站定制、快速模板网站建设、高性价比迎泽网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式迎泽网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖迎泽地区。费用合理售后完善，10多年实体公司更值得信赖。
from concurrent.futures import ...
可能也是因为线程池这个东西用的越来越多了吧，从Python3.2+之后，就成了内置模块。
对的，直接就能使用，不需要pip进行安装什么的。
concurrent.futures下面主要有俩接口。
ThreadPoolExecutor 线程池。
ProcessPoolExecutor进程池。
这里可没有什么所谓的异步池。
个人看法：虽然异步的性能很高，但是目前除了Go以外，其他实现的都不是太好，用法上面有些怪异，当然，你们可以说我菜，我承认。
线程池
示例代码
import time from concurrent.futures import ThreadPoolExecutor import random # max_workers表示工人数量,也就是线程池里面的线程数量 pool = ThreadPoolExecutor(max_workers=10) # 任务列表 task_list = ["任务1", "任务2", "任务3", "任务4", ] def handler(task_name): # 随机睡眠,模仿任务执行时间不确定性 n = random.randrange(5) time.sleep(n) print(f"任务内容:{task_name}") if __name__ == '__main__': # 遍历任务, for task in task_list: """ 交给函数处理,submit会将所有任务都提交到一个地方,不会阻塞 然后线程池里面的每个线程会来取任务, 比如:线程池有3个线程,但是有5个任务 会先取走三个任务,每个线程去处理 其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务 """ pool.submit(handler, task) print("main执行完毕")执行结果
发现的问题
其实这个就是并发的，不要怀疑，但是你有没有发现个问题，main先执行，这说明啥?
这说明，我main跑完之后，是不管子线程的死活的。
那能不能设置一下，所有的子线程都执行完之后，main函数在执行完?
当然可以，需要一个参数即可。
pool.shutdown()
要完成上述的问题，我们需要一个参数，加上这个参数之后。
就可以让主线程等待所有子线程执行完之后，主线程再执行完。
示例代码
... if __name__ == '__main__': # 遍历任务, for task in task_list: """ 交给函数处理,submit会将所有任务都提交到一个地方 然后线程池里面的每个线程会来取任务, 比如:线程池有3个线程,但是有5个任务 会先取走三个任务,每个线程去处理 其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务 """ pool.submit(handler, task) pool.shutdown() print("main执行完毕")主要就是13行的pool.shutdown()。
执行结果
这次结果就是我们想要的了，hhh!!!
add_done_callback
add_done_callback可以理解为是回调函数，线程执行完之后，会自动调用指定的回调函数。
并且能拿到线程执行函数的返回值。
有什么用，我也没用过，怪我才疏学浅叭。
示例代码
import time from concurrent.futures import ThreadPoolExecutor import random from concurrent.futures._base import Future # max_workers表示工人数量,也就是线程池里面的线程数量 pool = ThreadPoolExecutor(max_workers=10) # 任务列表 task_list = ["任务1", "任务2", "任务3", "任务4", ] def handler(task_name): # 随机睡眠,模仿任务执行时间不确定性 n = random.randrange(5) time.sleep(n) print(f"任务内容:{task_name}") return f"任务内容:{task_name}" def done(res: Future): print("done拿到的返回值:", res.result()) if __name__ == '__main__': # 遍历任务, for task in task_list: futrue = pool.submit(handler, task) # type:Future futrue.add_done_callback(done) pool.shutdown() print("main执行完毕")注意：第17，27，28行代码!
执行效果
我想，可能通常用在一些善后工作叭。
多进程方式
其实通过上述几个例子，我们基本是知道怎么使用上面这个线程池了。
但是都知道Python的线程，因为GIL(全局解释器锁)的原因，是不能并发到多个物理核心上的。
所以是IO密集型的，像爬虫，读写文件，使用线程池是ok的。
但是如果说我就是野，就是头铁，非要用Python做计算型应用，像图片压缩、视频流推送，那没办法，需要使用多进程池方式。
其实通过concurrent这个接口，可以很方便的创建进程池，只需要修改两个地方。
... # 改成导入进程池方式 from concurrent.futures import ProcessPoolExecutor ... if __name__ == '__main__': ... # 进程池方式 pool = ProcessPoolExecutor(max_workers=10) ...
只需要修改这俩地方即可，其他和上述用法一摸一样。
总结
本篇主要讲的是Python自带的线程池和进程池。
比较有特色的是，ThreadPoolExecutor，ProcessPoolExecutor的接口是一样的。
只需要修改导入的包就行。
concurrent的接口主要有pool.submit(),pool.shutdown(),futrue.add_done_callback()。
基本这几个都够自己用了。
到此，关于“Python自带的线程池和进程池有什么用”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！
