Python并发编程之线程池/进程池

引言

Python标准库为我们提供了threading和multiprocessing模块编写相应的多线程/多进程代码，但是当项目达到一定的规模，频繁创建/销毁进程或者线程是非常消耗资源的，这个时候我们就要编写自己的线程池/进程池，以空间换时间。但从Python3.2开始，标准库为我们提供了concurrent.futures模块，它提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，实现了对threading和multiprocessing的进一步抽象，对编写线程池/进程池提供了直接的支持。

Executor和Future

concurrent.futures模块的基础是Exectuor，Executor是一个抽象类，它不能被直接使用。但是它提供的两个子类ThreadPoolExecutor和ProcessPoolExecutor却是非常有用，顾名思义两者分别被用来创建线程池和进程池的代码。我们可以将相应的tasks直接放入线程池/进程池，不需要维护Queue来操心死锁的问题，线程池/进程池会自动帮我们调度。

Future这个概念相信有java和nodejs下编程经验的朋友肯定不陌生了，你可以把它理解为一个在未来完成的操作，这是异步编程的基础，传统编程模式下比如我们操作queue.get的时候，在等待返回结果之前会产生阻塞，cpu不能让出来做其他事情，而Future的引入帮助我们在等待的这段时间可以完成其他的操作。关于在Python中进行异步IO可以阅读完本文之后参考我的Python并发编程之协程/异步IO。

p.s: 如果你依然在坚守Python2.x，请先安装futures模块。

1. pip install futures 

使用submit来操作线程池/进程池

我们先通过下面这段代码来了解一下线程池的概念

1. # example1.py 
2. from concurrent.futures import ThreadPoolExecutor 
3. import time 
4. def return_future_result(message): 
5.     time.sleep(2) 
6.     return message 
7. pool = ThreadPoolExecutor(max_workers=2)  # 创建一个最大可容纳2个task的线程池 
8. future1 = pool.submit(return_future_result, ("hello"))  # 往线程池里面加入一个task 
9. future2 = pool.submit(return_future_result, ("world"))  # 往线程池里面加入一个task 
10. print(future1.done())  # 判断task1是否结束 
11. time.sleep(3) 
12. print(future2.done())  # 判断task2是否结束 
13. print(future1.result())  # 查看task1返回的结果 
14. print(future2.result())  # 查看task2返回的结果 

我们根据运行结果来分析一下。我们使用submit方法来往线程池中加入一个task，submit返回一个Future对象，对于Future对象可以简单地理解为一个在未来完成的操作。在第一个print语句中很明显因为time.sleep(2)的原因我们的future1没有完成，因为我们使用time.sleep(3)暂停了主线程，所以到第二个print语句的时候我们线程池里的任务都已经全部结束。

1. ziwenxie :: ~ » python example1.py 
2. False 
3. True 
4. hello 
5. world 
6. # 在上述程序执行的过程中，通过ps命令我们可以看到三个线程同时在后台运行 
7. ziwenxie :: ~ » ps -eLf | grep python 
8. ziwenxie      8361  7557  8361  3    3 19:45 pts/0    00:00:00 python example1.py 
9. ziwenxie      8361  7557  8362  0    3 19:45 pts/0    00:00:00 python example1.py 
10. ziwenxie      8361  7557  8363  0    3 19:45 pts/0    00:00:00 python example1.py 

上面的代码我们也可以改写为进程池形式，api和线程池如出一辙，我就不罗嗦了。

1. # example2.py 
2. from concurrent.futures import ProcessPoolExecutor 
3. import time 
4. def return_future_result(message): 
5.     time.sleep(2) 
6.     return message 
7. pool = ProcessPoolExecutor(max_workers=2) 
8. future1 = pool.submit(return_future_result, ("hello")) 
9. future2 = pool.submit(return_future_result, ("world")) 
10. print(future1.done()) 
11. time.sleep(3) 
12. print(future2.done()) 
13. print(future1.result()) 
14. print(future2.result()) 

下面是运行结果

1. ziwenxie :: ~ » python example2.py 
2. False 
3. True 
4. hello 
5. world 
6. ziwenxie :: ~ » ps -eLf | grep python 
7. ziwenxie      8560  7557  8560  3    3 19:53 pts/0    00:00:00 python example2.py 
8. ziwenxie      8560  7557  8563  0    3 19:53 pts/0    00:00:00 python example2.py 
9. ziwenxie      8560  7557  8564  0    3 19:53 pts/0    00:00:00 python example2.py 
10. ziwenxie      8561  8560  8561  0    1 19:53 pts/0    00:00:00 python example2.py 
11. ziwenxie      8562  8560  8562  0    1 19:53 pts/0    00:00:00 python example2.py 

使用map/wait来操作线程池/进程池

除了submit，Exectuor还为我们提供了map方法，和内建的map用法类似，下面我们通过两个例子来比较一下两者的区别。

使用submit操作回顾

1. # example3.py 
2. import concurrent.futures 
3. import urllib.request 
4. URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
5. def load_url(url, timeout): 
6.     with urllib.request.urlopen(url, timeouttimeout=timeout) as conn: 
7.         return conn.read() 
8. # We can use a with statement to ensure threads are cleaned up promptly 
9. with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
10.     # Start the load operations and mark each future with its URL 
11.     future_to_url = {executor.submit(load_url, url, 60): url for url in URLS} 
12.     for future in concurrent.futures.as_completed(future_to_url): 
13.         url = future_to_url[future] 
14.         try: 
15.             data = future.result() 
16.         except Exception as exc: 
17.             print('%r generated an exception: %s' % (url, exc)) 
18.         else: 
19.             print('%r page is %d bytes' % (url, len(data))) 

从运行结果可以看出，as_completed不是按照URLS列表元素的顺序返回的。

1. ziwenxie :: ~ » python example3.py 
2. 'http://example.com/' page is 1270 byte 
3. 'https://api.github.com/' page is 2039 bytes 
4. 'http://httpbin.org' page is 12150 bytes 

使用map

1. # example4.py 
2. import concurrent.futures 
3. import urllib.request 
4. URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
5. def load_url(url): 
6.     with urllib.request.urlopen(url, timeout=60) as conn: 
7.         return conn.read() 
8. # We can use a with statement to ensure threads are cleaned up promptly 
9. with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
10.     for url, data in zip(URLS, executor.map(load_url, URLS)): 
11.         print('%r page is %d bytes' % (url, len(data))) 

从运行结果可以看出，map是按照URLS列表元素的顺序返回的，并且写出的代码更加简洁直观，我们可以根据具体的需求任选一种。

1. ziwenxie :: ~ » python example4.py 
2. 'http://httpbin.org' page is 12150 bytes 
3. 'http://example.com/' page is 1270 bytes 
4. 'https://api.github.com/' page is 2039 bytes 

第三种选择wait

wait方法接会返回一个tuple(元组)，tuple中包含两个set(集合)，一个是completed(已完成的)另外一个是uncompleted(未完成的)。使用wait方法的一个优势就是获得更大的自由度，它接收三个参数FIRST_COMPLETED, FIRST_EXCEPTION 和ALL_COMPLETE，默认设置为ALL_COMPLETED。

我们通过下面这个例子来看一下三个参数的区别

1. from concurrent.futures import ThreadPoolExecutor, wait, as_completed 
2. from time import sleep 
3. from random import randint 
4. def return_after_random_secs(num): 
5.     sleep(randint(1, 5)) 
6.     return "Return of {}".format(num) 
7. pool = ThreadPoolExecutor(5) 
8. futures = [] 
9. for x in range(5): 
10.     futures.append(pool.submit(return_after_random_secs, x)) 
11. print(wait(futures)) 
12. # print(wait(futures, timeout=None, return_when='FIRST_COMPLETED')) 

如果采用默认的ALL_COMPLETED，程序会阻塞直到线程池里面的所有任务都完成。

ziwenxie :: ~ » python example5.py
DoneAndNotDoneFutures(done={
<Future at 0x7f0b06c9bc88 state=finished returned str>,
<Future at 0x7f0b06cbaa90 state=finished returned str>,
<Future at 0x7f0b06373898 state=finished returned str>,
<Future at 0x7f0b06352ba8 state=finished returned str>,
<Future at 0x7f0b06373b00 state=finished returned str>}, not_done=set())

如果采用FIRST_COMPLETED参数，程序并不会等到线程池里面所有的任务都完成。

1. ziwenxie :: ~ » python example5.py 
2. DoneAndNotDoneFutures(done={ 
3. <Future at 0x7f84109edb00 state=finished returned str>, 
4. <Future at 0x7f840e2e9320 state=finished returned str>, 
5. <Future at 0x7f840f25ccc0 state=finished returned str>}, 
6. not_done={<Future at 0x7f840e2e9ba8 state=running>, 
7. <Future at 0x7f840e2e9940 state=running>}) 

思考题

写一个小程序对比multiprocessing.pool(ThreadPool)和ProcessPollExecutor(ThreadPoolExecutor)在执行效率上的差距，结合上面提到的Future思考为什么会造成这样的结果。

作者：ZiWenXie

来源：51CTO