对于多线程的使用,我们经常是用thread来创建,比较繁琐. 在Python中,可以使用map函数简化代码。map可以实现多任务的并发
简单说明map()实现多线程原理:
task = [‘任务1', ‘任务2', ‘任务3', …]
map 函数一手包办了序列操作、参数传递和结果保存等一系列的操作,map函数负责将线程分给不同的CPU。
在 Python 中有个两个库包含了 map 函数: multiprocessing 和它鲜为人知的子库 multiprocessing.dummy.dummy 是 multiprocessing 模块的完整克隆,唯一的不同在于 multiprocessing 作用于进程,而 dummy 模块作用于线程。
代码如下:
from multiprocessing.dummy import Pool as ThreadPool import os import requests import time import numpy as np # 文件夹位置 filepath = r'C:\Users\Administrator\Desktop\ceshi' pool = ThreadPool(10)#开启线程数,即一次性抛出的请求数 time_list = []#用来计算时间 xml_list = []#数据集 pathDir = os.listdir(filepath) for i, allDir in enumerate(pathDir): filename = os.path.join('%s%s' % (filepath + '\\', allDir)) kk = open(filename, 'r', encoding='utf-8').read() data = kk.encode('utf-8') for k in range(10): xml_list.append(data) def res(data): # 访问目标服务器地址 url_host = 'https://mp.csdn.net/mdeditor#' start = time.clock() s = requests.post(url_host, data=data) end = time.clock() if s.status_code == 200: print(end-start) time_list.append(end-start) else: print('请求失败') # 传入的参数,1为函数, 2为参数 result = pool.map(res, xml_list) all_arr = np.array(time_list) aver = np.mean(all_arr) variance = np.var(all_arr) mid = np.median(all_arr) min_num = np.min(all_arr) max_num = np.max(all_arr) print('平均值 : '+ str(aver)) print('方差 : ' + str(variance)) print('中值 : ' + str(mid)) print('最小值 : ' + str(min_num)) print('最大值 : ' + str(max_num))
个人做的小测试,如果有错误的地方希望留言提出意见及建议。
补充:python多进程(multiprocessing)(map)
map的基本使用:
map函数一手包办了序列操作,参数传递和结果保存等一系列的操作。
from multiprocessing.dummy import Pool poop = Pool(4) # 4代表电脑是多少核的 results = pool.map(爬取函数,网址列表) from multiprocessing.dummy import Pool as ThreadPool import requests import time kv = {'user-agent':'Mozilla/5.0'} def getsource(url): html = requests.get(url,headers=kv) urls = [] for i in range(0,41): i = i*50 newpage = 'https://tieba.baidu.com/f?kw=读书&ie=utf-8&pn=' + str(i) urls.append(newpage) # 单线程爬取 time1 = time.time() for each in urls: print(each) getsource(each) time2 = time.time() print('单线程耗时: ' + str(time2-time1)) # 多线程爬取 pool = ThreadPool(8) time3 = time.time() results = pool.map(getsource, urls) pool.close() pool.join() time4 = time.time() print('多线程所消耗时间:' + str(time4 - time3))
以上为个人经验,希望能给大家一个参考,也希望大家多多支持服务器之家。如有错误或未考虑完全的地方,望不吝赐教。
原文链接:https://blog.csdn.net/weixin_41102960/article/details/88537205