Python 中的并发 - 进程池

---

进程池的创建和使用方式与我们创建和使用线程池的方式相同。进程池可以定义为一组预先实例化的空闲进程，它们随时准备接受工作。当我们需要执行大量任务时，创建进程池优于为每个任务实例化新进程。

Python 模块 – Concurrent.futures

Python 标准库有一个名为并发.futures 的模块。Python 3.2 中添加了该模块，为开发人员提供启动异步任务的高级接口。它是 Python 线程和多处理模块顶部的抽象层，用于提供使用线程或进程池运行任务的接口。

在后续部分中，我们将研究并发.futures 模块的不同子类。

执行者类

Executor是concurrent.futures Python模块的抽象类。它不能直接使用，我们需要使用以下具体子类之一 -

• 线程池执行器
• 进程池执行器

ProcessPoolExecutor – 具体的子类

它是 Executor 类的具体子类之一。它使用多处理，我们得到一个用于提交任务的进程池。该池将任务分配给可用进程并安排它们运行。

如何创建ProcessPoolExecutor？

借助concurrent.futures模块及其具体子类Executor，我们可以轻松创建进程池。为此，我们需要构造一个ProcessPoolExecutor，其中包含我们想要在池中包含的进程数量。默认情况下，该数量为 5。然后将任务提交到进程池。

例子

我们现在将考虑创建线程池时使用的相同示例，唯一的区别是现在我们将使用ProcessPoolExecutor而不是ThreadPoolExecutor。

from concurrent.futures import ProcessPoolExecutor
from time import sleep
def task(message):
   sleep(2)
   return message

def main():
   executor = ProcessPoolExecutor(5)
   future = executor.submit(task, ("Completed"))
   print(future.done())
   sleep(2)
   print(future.done())
   print(future.result())
if __name__ == '__main__':
main()

输出

False
False
Completed

在上面的例子中，一个Process PoolExecutor被构造成有5个线程。然后，一个任务将等待 2 秒，然后再发送消息，并将其提交给进程池执行器。从输出中可以看出，任务直到 2 秒后才完成，因此第一次调用 did ()将返回 False。2 秒后，任务完成，我们通过调用result()方法得到未来的结果。

实例化 ProcessPoolExecutor – 上下文管理器

实例化 ProcessPoolExecutor 的另一种方法是借助上下文管理器。它的工作原理与上面示例中使用的方法类似。使用上下文管理器的主要优点是它在语法上看起来很好。可以借助以下代码来完成实例化 -

with ProcessPoolExecutor(max_workers = 5) as executor

例子

为了更好地理解，我们采用与创建线程池时使用的相同的示例。在此示例中，我们需要首先导入并发.futures模块。然后创建一个名为load_url()的函数，它将加载请求的 url。然后使用池中的 5个线程创建ProcessPoolExecutor 。Process PoolExecutor已被用作上下文管理器。我们可以通过调用 future 的result()方法来获取 future 的结果。

import concurrent.futures
from concurrent.futures import ProcessPoolExecutor
import urllib.request

URLS = ['http://www.foxnews.com/',
   'http://www.cnn.com/',
   'http://europe.wsj.com/',
   'http://www.bbc.co.uk/',
   'http://some-made-up-domain.com/']

def load_url(url, timeout):
   with urllib.request.urlopen(url, timeout = timeout) as conn:
      return conn.read()

def main():
   with concurrent.futures.ProcessPoolExecutor(max_workers=5) as executor:
      future_to_url = {executor.submit(load_url, url, 60): url for url in URLS}
      for future in concurrent.futures.as_completed(future_to_url):
      url = future_to_url[future]
      try:
         data = future.result()
      except Exception as exc:
         print('%r generated an exception: %s' % (url, exc))
      else:
         print('%r page is %d bytes' % (url, len(data)))

if __name__ == '__main__':
   main()

输出

上面的 Python 脚本将生成以下输出 -

'http://some-made-up-domain.com/' generated an exception: <urlopen error [Errno 11004] getaddrinfo failed>
'http://www.foxnews.com/' page is 229476 bytes
'http://www.cnn.com/' page is 165323 bytes
'http://www.bbc.co.uk/' page is 284981 bytes
'http://europe.wsj.com/' page is 967575 bytes

Executor.map()函数的使用

Python map()函数广泛用于执行许多任务。其中一项任务是将某个函数应用于可迭代对象中的每个元素。类似地，我们可以将迭代器的所有元素映射到一个函数，并将它们作为独立的作业提交给ProcessPoolExecutor。请考虑以下 Python 脚本示例来理解这一点。

例子

我们将考虑使用Executor.map()函数创建线程池时使用的相同示例。在下面给出的示例中，map 函数用于将square()函数应用于值数组中的每个值。

from concurrent.futures import ProcessPoolExecutor
from concurrent.futures import as_completed
values = [2,3,4,5]
def square(n):
   return n * n
def main():
   with ProcessPoolExecutor(max_workers = 3) as executor:
      results = executor.map(square, values)
   for result in results:
      print(result)
if __name__ == '__main__':
   main()

输出

上面的Python脚本将生成以下输出

4
9
16
25

何时使用 ProcessPoolExecutor 和 ThreadPoolExecutor？

现在我们已经研究了 Executor 类——ThreadPoolExecutor 和 ProcessPoolExecutor，我们需要知道何时使用哪个执行器。对于 CPU 密集型工作负载，我们需要选择 ProcessPoolExecutor；对于 I/O 密集型工作负载，我们需要选择 ThreadPoolExecutor。

如果我们使用ProcessPoolExecutor，那么我们不需要担心 GIL，因为它使用多处理。此外，与ThreadPoolExecution相比，执行时间会更少。请考虑以下 Python 脚本示例来理解这一点。

例子

import time
import concurrent.futures

value = [8000000, 7000000]

def counting(n):
   start = time.time()
   while n > 0:
      n -= 1
   return time.time() - start

def main():
   start = time.time()
   with concurrent.futures.ProcessPoolExecutor() as executor:
      for number, time_taken in zip(value, executor.map(counting, value)):
         print('Start: {} Time taken: {}'.format(number, time_taken))
   print('Total time taken: {}'.format(time.time() - start))

if __name__ == '__main__':
main()

输出

Start: 8000000 Time taken: 1.5509998798370361
Start: 7000000 Time taken: 1.3259999752044678
Total time taken: 2.0840001106262207

Example- Python script with ThreadPoolExecutor:
import time
import concurrent.futures

value = [8000000, 7000000]

def counting(n):
   start = time.time()
   while n > 0:
      n -= 1
   return time.time() - start

def main():
   start = time.time()
   with concurrent.futures.ThreadPoolExecutor() as executor:
      for number, time_taken in zip(value, executor.map(counting, value)):
         print('Start: {} Time taken: {}'.format(number, time_taken))
      print('Total time taken: {}'.format(time.time() - start))

if __name__ == '__main__':
main()

输出

Start: 8000000 Time taken: 3.8420000076293945
Start: 7000000 Time taken: 3.6010000705718994
Total time taken: 3.8480000495910645

从上面两个程序的输出中，我们可以看到使用ProcessPoolExecutor和ThreadPoolExecutor时执行时间的差异。