python——concurrent.futures

本文主要是介绍python——concurrent.futures，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

concurrent.futures 是 Python 标准库中用于并行编程的高级模块，它提供了一种高级别的接口来管理线程和进程。通过这个模块，你可以轻松地利用多线程和多进程来并行执行任务，进而提高程序的执行效率。

1. concurrent.futures 概述

concurrent.futures 提供了两种执行器类型：

• ThreadPoolExecutor：用于管理线程池。
• ProcessPoolExecutor：用于管理进程池。

这两种执行器都实现了同样的接口，因此你可以使用相同的代码逻辑来管理线程和进程。

2. 核心 API

2.1 concurrent.futures.Executor

Executor 是一个抽象基类，它定义了任务提交和管理的核心接口。以下是 Executor 提供的主要方法：

• submit(fn, *args, **kwargs)：

  • 提交一个函数给执行器，函数会在独立的线程或进程中执行。返回一个 Future 对象。
  • 场景：当你需要执行一个后台任务并获取结果时使用。

  from concurrent.futures import ThreadPoolExecutordef square(n):return n * nwith ThreadPoolExecutor() as executor:future = executor.submit(square, 10)print(future.result())  # 输出: 100
  

• map(func, *iterables, timeout=None, chunksize=1)：

  • 将一个函数应用于一个或多个迭代器中的每个元素，并行地执行。类似于内置的 map() 函数，但它会并行执行。
  • 场景：当你有一组数据需要并行处理时使用。

  with ThreadPoolExecutor() as executor:results = executor.map(square, range(10))print(list(results))  # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
  

• shutdown(wait=True, cancel_futures=False)：

  • 释放执行器资源。如果 wait=True，则会等待所有提交的任务完成；如果 cancel_futures=True，则会取消所有未开始的任务。
  • 场景：当你需要优雅地关闭执行器时使用。

  executor.shutdown(wait=True)
  

2.2 concurrent.futures.Future

Future 对象用于表示异步执行的任务结果。以下是 Future 提供的主要方法：

• result(timeout=None)：

  • 获取任务的结果，如果任务还未完成，则会等待。你可以设置一个超时时间。
  • 场景：当你需要获取异步任务的执行结果时使用。

  result = future.result(timeout=5)  # 等待最多5秒
  

• exception(timeout=None)：

  • 如果任务抛出了异常，则返回该异常对象，否则返回 None。
  • 场景：当你想处理任务中的异常时使用。

  try:result = future.result()
  except Exception as e:print(f"Error occurred: {e}")
  

• done()：

  • 检查任务是否已完成。
  • 场景：当你想知道任务是否已经完成时使用。

  if future.done():print("Task is completed.")
  

• add_done_callback(fn)：

  • 为 Future 对象添加一个回调函数，当任务完成时会自动调用此回调。
  • 场景：当你需要在任务完成后自动触发某些操作时使用。

  def on_done(fut):print(f"Task done with result: {fut.result()}")future.add_done_callback(on_done)
  

3. ThreadPoolExecutor 与 ProcessPoolExecutor

3.1 ThreadPoolExecutor

• 线程池执行器，用于管理线程。适用于 I/O 密集型任务，如文件操作、网络请求等。

  with ThreadPoolExecutor(max_workers=5) as executor:future = executor.submit(square, 10)
  

  • 参数说明：
    • max_workers：最大并发线程数。

3.2 ProcessPoolExecutor

• 进程池执行器，用于管理进程。适用于 CPU 密集型任务，如计算密集型操作。

  from concurrent.futures import ProcessPoolExecutorwith ProcessPoolExecutor(max_workers=5) as executor:future = executor.submit(square, 10)
  

  • 参数说明：
    • max_workers：最大并发进程数。

4. 使用场景

4.1 I/O 密集型任务

场景：当你有多个需要等待 I/O 操作（如文件读取、网络请求）的任务时，可以使用 ThreadPoolExecutor 来并行执行这些任务，从而减少总的等待时间。

import requestsdef fetch_url(url):response = requests.get(url)return response.status_codeurls = ['https://www.example.com', 'https://www.google.com', 'https://www.github.com']with ThreadPoolExecutor(max_workers=3) as executor:results = executor.map(fetch_url, urls)print(list(results))

4.2 CPU 密集型任务

场景：当你有多个需要大量计算的任务时，可以使用 ProcessPoolExecutor 来并行执行，从而充分利用多核 CPU 提高效率。

def fibonacci(n):if n <= 1:return nelse:return fibonacci(n-1) + fibonacci(n-2)with ProcessPoolExecutor(max_workers=3) as executor:results = executor.map(fibonacci, range(10, 20))print(list(results))

5. 总结

concurrent.futures 提供了一个方便的接口来管理多线程和多进程的并发执行。通过理解和使用这些 API，你可以更有效地编写并行程序，提高程序的执行效率。在选择使用 ThreadPoolExecutor 还是 ProcessPoolExecutor 时，应根据任务的性质（I/O 密集型或 CPU 密集型）来决定。

这篇关于python——concurrent.futures的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---