转载

Python中编写并发程序

GIL

在Python中,由于历史原因(GIL),使得Python中多线程的效果非常不理想.GIL使得任何时刻Python只能利用一个CPU核,并且它的调度算法简单粗暴:多线程中,让每个线程运行一段时间t,然后强行挂起该线程,继而去运行其他线程,如此周而复始,直到所有线程结束.

这使得无法有效利用计算机系统中的"局部性",频繁的线程切换也对缓存不是很友好,造成资源的浪费.

据说Python官方曾经实现了一个去除GIL的Python解释器,但是其效果还不如有GIL的解释器,遂放弃.后来Python官方推出了"利用多进程替代多线程"的方案,在Python3中也有concurrent.futures这样的包,让我们的程序编写可以做到"简单和性能兼得".

多进程/多线程+Queue

一般来说,在Python中编写并发程序的经验是:计算密集型任务使用多进程,IO密集型任务使用多进程或者多线程.另外,因为涉及到资源共享,所以需要同步锁等一系列麻烦的步骤,代码编写不直观.另外一种好的思路是利用多进程/多线程+Queue的方法,可以避免加锁这样麻烦低效的方式.

现在在Python2中利用Queue+多进程的方法来处理一个IO密集型任务.

假设现在需要下载多个网页内容并进行解析,单进程的方式效率很低,所以使用多进程/多线程势在必行.

我们可以先初始化一个tasks队列,里面将要存储的是一系列dest_url,同时开启4个进程向tasks中取任务然后执行,处理结果存储在一个results队列中,最后对results中的结果进行解析.最后关闭两个队列.

下面是一些主要的逻辑代码.

python# -*- coding:utf-8 -*- #IO密集型任务 #多个进程同时下载多个网页 #利用Queue+多进程 #由于是IO密集型,所以同样可以利用threading模块 import multiprocessing def main():  tasks = multiprocessing.JoinableQueue()  results = multiprocessing.Queue()  cpu_count = multiprocessing.cpu_count()  #进程数目==CPU核数目  create_process(tasks, results, cpu_count)   #主进程马上创建一系列进程,但是由于阻塞队列tasks开始为空,副进程全部被阻塞  add_tasks(tasks)  #开始往tasks中添加任务  parse(tasks, results)  #最后主进程等待其他线程处理完成结果 def create_process(tasks, results, cpu_count):  for _ in range(cpu_count):   p = multiprocessing.Process(target=_worker, args=(tasks, results)) #根据_worker创建对应的进程   p.daemon = True  #让所有进程可以随主进程结束而结束   p.start() #启动 def _worker(tasks, results):  while True:   #因为前面所有线程都设置了daemon=True,故不会无限循环   try:    task = tasks.get()   #如果tasks中没有任务,则阻塞    result = _download(task)    results.put(result)   #some exceptions do not handled   finally:    tasks.task_done() def add_tasks(tasks):  for url in get_urls():  #get_urls() return a urls_list   tasks.put(url) def parse(tasks, results):  try:    tasks.join()  except KeyboardInterrupt as err:   print "Tasks has been stopped!"   print err  while not results.empty():   _parse(results) if __name__ == '__main__':  main()

利用Python3中的concurrent.futures包

在Python3中可以利用concurrent.futures包,编写更加简单易用的多线程/多进程代码.其使用感觉和Java的concurrent框架很相似(借鉴?)比如下面的简单代码示例

pythondef handler():  futures = set()  with concurrent.futures.ProcessPoolExecutor(max_workers=cpu_count) as executor:   for task in get_task(tasks):    future = executor.submit(task)    futures.add(future) def wait_for(futures):  try:   for future in concurrent.futures.as_completed(futures):    err = futures.exception()    if not err:     result = future.result()    else:     raise err  except KeyboardInterrupt as e:   for future in futures:    future.cancel()   print "Task has been canceled!"   print e  return result