以往的爬虫我们都采用单线程和同步的方式,这导致我们的爬虫及其脆弱,因为一点报错都会让它停下来,而且面对比较大的数据,爬虫只能选择等待,这种阻塞会消耗很多时间,为什么我们不把等待的这些时间去干别的事呢?
线程与进程
线程和进程是相似的
一,概念梳理
线程: 程序内,可以直接被CPU调用的执行过程,是操作系统能够进行运算的最小单位,它被包含在进程中实际运作的单位。
进程:运行中的程序,每次我们执行应该程序,操作系统会自动地为这个程序准备一些必要的资源(分配内存,创造一个能执行的线程)
形象来说,线程就像是员工,进程就是公司,线程组成进程。如果我们想要提升效率,我们可以多招些员工(多线程)或者开一些分公司,连锁(多进程)
二,代码实现
多线程
python
from threading import Thread
# def func(name):
# for i in range(10):
# print(name,i)
#创建任务
def func_1(name):
for i in range(100):
print(name,i)
if __name__ == '__main__':
# func("A")
# func("B")
# func("C")
# #创建线程
t1 = Thread(target=func_1,args=("A",))
t2 = Thread(target=func_1,args=("B",))
t3 = Thread(target=func_1,args=("C",))
t1.start()
t2.start()
t3.start()
实例化线程对象:Thread(taeget=目标函数,不要括号,args=()填参数,元组形式)
开启线程:线程对象的start方法
面向对象写法
python
from threading import Thread
class MyThread(Thread):
def __init__(self,name):
super(MyThread, self).__init__()
self.name = name
def run(self):
for i in range(100):
print(self.name,i)
if __name__ == '__main__':
t1 = MyThread("A")
t2 = MyThread("B")
t3 = MyThread("C")
t1.start()
t2.start()
t3.start()
需要注意的是,函数执行的任务必须重写到run方法中,其他的一样。
很快,一个一个实例化线程对象的方法无法满足我们了,如果我们要申请20个线程呢?这太繁琐了
线程池的产生就是顺其自然的了
线程池
python
from concurrent.futures import ThreadPoolExecutor
def func(name):
for i in range(50):
print(name,i)
if __name__ == '__main__':
with ThreadPoolExecutor(10) as t:
t.submit(func,"A")
t.submit(func,"B")
t.submit(func,"C")
这大大地减轻了我们的工作量,我们只需要把任务丢进线程池里,它就会自动分配线程为我们处理,当然,最大线程数我们可以设置,上例使用了10个。
好了,上面的所有情况我们都忽视掉了函数有返回值的情况是,那么,这种情况该怎么处理呢?
python
from concurrent.futures import ThreadPoolExecutor
def func(name):
print(name)
return name
def fun(res):
print(res.result())
if __name__ == '__main__':
with ThreadPoolExecutor(3) as t:
t.submit(func,"A").add_done_callback(fun)
t.submit(func,"B").add_done_callback(fun)
t.submit(func,"C").add_done_callback(fun)
或者
python
from concurrent.futures import ThreadPoolExecutor
def func(name):
print(name)
return name
def fun(res):
print(res.result())
if __name__ == '__main__':
with ThreadPoolExecutor(3) as t:
results = t.map(func,["A","B","C"])
for result in results:
print(result)
这样我们就可以获取函数返回值了。
多进程
python
from multiprocessing import Process
from concurrent.futures import ProcessPoolExecutor
def func(name):
for i in range(100):
print(name,i)
if __name__ == '__main__':
p1 = Process(target=func,args=("A",))
p2 = Process(target=func,args=("B",))
p3 = Process(target=func,args=("C",))
p1.start()
p2.start()
p3.start()
怎么样,对比一下多线程,你会发现代码上除了调的类不一样以外,就没区别了,多进程的进程池和线程池几乎一模一样,这里就不赘述了,可以自己尝试一下,进程池上面代码有名字~
线程和进程是相似的
那么,多进程和多线程的应用场景有什么不同呢?
多线程:任务相对统一,互相特别相似
多进程:多个任务相互独立,很少有交集
多任务异步协程
协程:协程是一种比函数更加强大的控制流结构,它可以挂起(暂停)自身的执行并在稍后从上次挂起的地方恢复执行。协程允许在单个线程内进行非阻塞的协作式多任务处理,这意味着程序可以在等待某个耗时操作(如I/O操作、网络请求)完成的同时,去做其他事情,从而提高整体效率。协程拥有自己的执行上下文(包括局部变量和指令指针),可以在多个协程之间方便地切换。
简单理解,多线程可以理解为我们不停的切换cpu运算对象,任务不动,CPU动。而协程是单线程中,通过移动任务来实现的,比如任务1进入这条线程中,进行计算.....直到产生IO阻塞,任务1就出线程,任务2进入线程,以此类推,当任务1IO阻塞结束,再让它回到线程(如果还有必要的话)。这个过程实质上是CPU不动,任务移动。这其实效率更高,因为CPU调用切换是需要消耗内存的,它是属于系统层面的问题,而协程只需要切换任务,这是代码层面的问题,实际上是不需要多少时间和空间的。
异步协程代码实现
python
import asyncio
async def func():
print("我是函数")
if __name__ == '__main__':
#协程对象想要执行,必须借助于 event_loop
f = func()
event_loop = asyncio.get_event_loop()
event_loop.run_until_complete(f)#eventloop运行协程对象,直到该对象内的内容执行完毕为止
这是协程的基本结构,async表示异步,因为我们需要IO阻塞,想象一下如果我们申请网页响应中不执行IO阻塞,那在申请的同时代码就已经跑到下面去了,如果我们下面需要这个网页的源码呢?这就必然报错了,所以这就是为什么我们的函数使用了异步操作,本质还是在IO阻塞上。
python
import asyncio
async def func1():
print("我是func1")
await asyncio.sleep(1)
print("func1结束")
async def func2():
print("我是func2")
await asyncio.sleep(2)
print("func2结束")
async def func3():
print("我是func3")
await asyncio.sleep(3)
print("func3结束")
if __name__ == '__main__':
f1 = func1()
f2 = func2()
f3 = func3()
tasks = [
f1,f2,f3
]
asyncio.run(asyncio.wait(tasks))
上例我们创建了三个任务,并将这三个任务添加到了协程中,wait()为何意?这是为了让我们三个任务必须执行完才关闭eventloop,要不然还有任务在io阻塞,协程直接关了怎么办。
异步协程的函数返回值
python
import asyncio
async def func1():
print("我是func1")
await asyncio.sleep(1)
print("func1结束")
return "func1的返回值"
async def func2():
print("我是func2")
await asyncio.sleep(2)
print("func2结束")
return "func2的返回值"
async def func3():
print("我是func3")
await asyncio.sleep(3)
print("func3结束")
return "func3的返回值"
async def main():
f1 = func1()
f2 = func2()
f3 = func3()
tasks = [
asyncio.create_task(f1),
asyncio.create_task(f2),
asyncio.create_task(f3)
]
# done,padding = await asyncio.wait(tasks)
# for res in done:
# print(res.result())
# gather和wait区别:gather返回值是有顺序的(按照你添加任务的顺序)
result = await asyncio.gather(*tasks,return_exceptions=False)#return exception=true表示如果任务中有错误信息,则返回错误信息,其他任务正常执行。
print(result)
if __name__ == '__main__':
asyncio.run(main())
解释请看代码注释~
创作不易,点个小赞鼓励一下呗~