Python通过future处理并发
future初識
通過下面腳本來對future進行一個初步了解：
例子1：普通通過循環的方式
例子2：通過future方式實現，這里對上面的部分代碼進行了復用
1 from concurrent import futures 2 3 from flags import save_flag, get_flag, show, main 4 5 6 MAX_WORKERS = 20 7 8 9 def download_one(cc): 10 image = get_flag(cc) 11 show(cc) 12 save_flag(image, cc.lower()+".gif") 13 return cc 14 15 16 def download_many(cc_list): 17 workers = min(MAX_WORKERS,len(cc_list)) 18 with futures.ThreadPoolExecutor(workers) as executor: 19 res = executor.map(download_one, sorted(cc_list)) 20 21 return len(list(res)) 22 23 24 if __name__ == '__main__': 25 main(download_many)分別運行三次，兩者的平均速度：13.67和1.59s，可以看到差別還是非常大的。
future
future是concurrent.futures模塊和asyncio模塊的重要組件
從python3.4開始標準庫中有兩個名為Future的類：concurrent.futures.Future和asyncio.Future
這兩個類的作用相同：兩個Future類的實例都表示可能完成或者尚未完成的延遲計算。與Twisted中的Deferred類、Tornado框架中的Future類的功能類似
注意：通常情況下自己不應該創建future，而是由并發框架(concurrent.futures或asyncio)實例化
原因：future表示終將發生的事情，而確定某件事情會發生的唯一方式是執行的時間已經安排好，因此只有把某件事情交給concurrent.futures.Executor子類處理時，才會創建concurrent.futures.Future實例。
如：Executor.submit()方法的參數是一個可調用的對象，調用這個方法后會為傳入的可調用對象排定時間，并返回一個future
客戶端代碼不能應該改變future的狀態，并發框架在future表示的延遲計算結束后會改變期物的狀態，我們無法控制計算何時結束。
這兩種future都有.done()方法，這個方法不阻塞，返回值是布爾值，指明future鏈接的可調用對象是否已經執行。客戶端代碼通常不會詢問future是否運行結束，而是會等待通知。因此兩個Future類都有.add_done_callback()方法，這個方法只有一個參數，類型是可調用的對象，future運行結束后會調用指定的可調用對象。
.result()方法是在兩個Future類中的作用相同：返回可調用對象的結果，或者重新拋出執行可調用的對象時拋出的異常。但是如果future沒有運行結束，result方法在兩個Futrue類中的行為差別非常大。
對concurrent.futures.Future實例來說，調用.result()方法會阻塞調用方所在的線程，直到有結果可返回，此時，result方法可以接收可選的timeout參數，如果在指定的時間內future沒有運行完畢，會拋出TimeoutError異常。
而asyncio.Future.result方法不支持設定超時時間，在獲取future結果最好使用yield from結構，但是concurrent.futures.Future不能這樣做
不管是asyncio還是concurrent.futures.Future都會有幾個函數是返回future，其他函數則是使用future,在最開始的例子中我們使用的Executor.map就是在使用future，返回值是一個迭代器，迭代器的__next__方法調用各個future的result方法，因此我們得到的是各個futrue的結果，而不是future本身
關于future.as_completed函數的使用，這里我們用了兩個循環，一個用于創建并排定future,另外一個用于獲取future的結果
1 from concurrent import futures 2 3 from flags import save_flag, get_flag, show, main 4 5 6 MAX_WORKERS = 20 7 8 9 def download_one(cc): 10 image = get_flag(cc) 11 show(cc) 12 save_flag(image, cc.lower()+".gif") 13 return cc 14 15 16 def download_many(cc_list): 17 cc_list = cc_list[:5] 18 with futures.ThreadPoolExecutor(max_workers=3) as executor: 19 to_do = [] 20 for cc in sorted(cc_list): 21 future = executor.submit(download_one,cc) 22 to_do.append(future) 23 msg = "Secheduled for {}:{}" 24 print(msg.format(cc,future)) 25 26 results = [] 27 for future in futures.as_completed(to_do): 28 res = future.result() 29 msg = "{}result:{!r}" 30 print(msg.format(future,res)) 31 results.append(res) 32 33 return len(results) 34 35 36 if __name__ == '__main__': 37 main(download_many)結果如下：
注意：Python代碼是無法控制GIL，標準庫中所有執行阻塞型IO操作的函數，在等待操作系統返回結果時都會釋放GIL.運行其他線程執行，也正是因為這樣，Python線程可以在IO密集型應用中發揮作用
以上都是concurrent.futures啟動線程，下面通過它啟動進程
concurrent.futures啟動進程
concurrent.futures中的ProcessPoolExecutor類把工作分配給多個Python進程處理，因此，如果需要做CPU密集型處理，使用這個模塊能繞開GIL，利用所有的CPU核心。
其原理是一個ProcessPoolExecutor創建了N個獨立的Python解釋器，N是系統上面可用的CPU核數。
使用方法和ThreadPoolExecutor方法一樣
?
所有的努力都值得期許，每一份夢想都應該灌溉！總結
以上是生活随笔為你收集整理的Python通过future处理并发的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： CentOS LAMP一键安装网站环境及
- 下一篇： python 回溯法 子集树模板 系列