python爬虫之异步爬虫之线程池的基本使用

python爬虫之异步爬虫之线程池的基本使用

高性能异步爬虫

目的：在爬虫中使用异步实现高性能的数据爬取操作。

异步爬虫的方式：

1、多线程，多进程（不建议）：

好处：可以为相关阻塞的操作单独开启线程或者进程，阻塞操作就可以异步执行。

弊端：无法无限制的开启多线程或者多进程。

2、线程池、进程池（适当的使用）：

好处：我们可以降低系统对进程或者线程创建和销毁的一个频率，从而很好的降低系统的开销。

弊端：池中进程或线程的数量是有上限的。

使用单线程串行方式执行代码和运行结果如下：

import time
#使用单线程串行方式执行

def get_page(str):
    print("正在下载：",str)
    time.sleep(2)
    print("下载成功：",str)

name_list = ['xiaozi','aa','bb','cc']

start_time = time.time()

for i in range(len(name_list)):
    get_page(name_list[i])

end_time = time.time()
print('%d second'%(end_time-start_time))

导入线程池模块执行代码和运行结果如下：

import time
#导入线程池模块对应的类
from multiprocessing.dummy import Pool
#使用线程池方式执行
start_time = time.time()

def get_page(str):
    print("正在下载：",str)
    time.sleep(2)
    print("下载成功：",str)

name_list = ['xiaozi','aa','bb','cc']

#实例化一个线程池对象
pool = Pool(4)
#将列表中每一个列表元素传递给get_page进行处理
pool.map(get_page,name_list)

end_time = time.time()
print(end_time-start_time)