当涉及到在 python 中同时运行多个任务时，concurrent.futures 模块是一个强大而简单的工具。在本文中，我们将探讨如何使用 threadpoolexecutor 并行执行任务，并结合实际示例。
为什么使用threadpoolexecutor？
在python中，线程非常适合i/o操作占主导地位的任务，例如网络调用或文件读/写操作。使用 threadpoolexecutor，您可以：
- 同时运行多个任务无需手动管理线程。
- 限制活动线程的数量以避免系统不堪重负。
- 使用其直观的 api 轻松收集结果。
示例：并行运行任务
让我们看一个简单的例子来理解这个概念。
守则
from concurrent.futures import threadpoolexecutor
import time
# function simulating a task
def task(n):
print(f"task {n} started")
time.sleep(2) # simulates a long-running task
print(f"task {n} finished")
return f"result of task {n}"
# using threadpoolexecutor
def execute_tasks():
tasks = [1, 2, 3, 4, 5] # list of tasks
results = []
# create a thread pool with 3 simultaneous threads
with threadpoolexecutor(max_workers=3) as executor:
# execute tasks in parallel
results = executor.map(task, tasks)
return list(results)
if __name__ == "__main__":
results = execute_tasks()
print("all results:", results)
预期输出
当您运行此代码时，您将看到类似这样的内容（以某种并行顺序）：
task 1 started task 2 started task 3 started task 1 finished task 4 started task 2 finished task 5 started task 3 finished task 4 finished task 5 finished all results: ['result of task 1', 'result of task 2', 'result of task 3', 'result of task 4', 'result of task 5']
任务 1、2 和 3 同时启动，因为 max_workers=3。其他任务（4 和 5）等待线程可用。
立即学习“Python免费学习笔记（深入）”；
何时使用它？
典型用例：
- 从 api 获取数据：同时加载多个 url。
- 文件处理：同时读取、写入或转换多个文件。
- 任务自动化：并行启动多个脚本或命令。
最佳实践
-
限制线程数:
- 太多线程可能会使 cpu 过载或产生瓶颈。
-
处理异常:
- 如果一项任务失败，可能会影响整个池。捕获函数中的异常。
-
使用 processpoolexecutor 执行 cpu 密集型任务:
- 由于 python 的全局解释器锁 (gil)，线程对于繁重的计算来说并不是最佳选择。
高级示例：并行获取 url
这是一个真实的示例：并行获取多个 url。
import requests
from concurrent.futures import ThreadPoolExecutor
# Function to fetch a URL
def fetch_url(url):
try:
response = requests.get(url)
return f"URL: {url}, Status: {response.status_code}"
except Exception as e:
return f"URL: {url}, Error: {e}"
# List of URLs to fetch
urls = [
"https://example.com",
"https://httpbin.org/get",
"https://jsonplaceholder.typicode.com/posts",
"https://invalid-url.com"
]
def fetch_all_urls(urls):
with ThreadPoolExecutor(max_workers=4) as executor:
results = executor.map(fetch_url, urls)
return list(results)
if __name__ == "__main__":
results = fetch_all_urls(urls)
for result in results:
print(result)
结论
threadpoolexecutor 简化了 python 中的线程管理，是加速 i/o 密集型任务的理想选择。只需几行代码，您就可以并行操作并节省宝贵的时间。
