在?Python?中利用Pool?進行多處理

更新時間：2022年04月24日 11:52:37 作者：宇宙之一粟

這篇文章主要介紹了在?Python?中利用Pool進行多處理，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值需要的小伙伴可以參考一下

為什么要引入線程池

如果在程序中經(jīng)常要用到線程，頻繁的創(chuàng)建和銷毀線程會浪費很多硬件資源，
所以需要把線程和任務分離。線程可以反復利用，省去了重復創(chuàng)建的麻煩。
在 Process 類中，我們必須顯式地創(chuàng)建流程。但是，Pool 類更方便，您不必手動管理它。創(chuàng)建池對象的語法是 ?multiprocessing.Pool(processes, initializer, initargs, maxtasksperchild, context)?? 。所有參數(shù)都是可選的。

processes 表示您要創(chuàng)建的工作進程的數(shù)量。默認值通過 os.cpu_count() 獲取。
initializer第二個初始化器參數(shù)是一個用于初始化的函數(shù)。
initargs 是傳遞給它的參數(shù)。
maxtasksperchild 表示分配給每個子進程的任務數(shù)。在完成該數(shù)量的任務之后，該進程將被一個新的工作進程替換。指定它的好處是任何未使用的資源都將被釋放。如果未提供任何內(nèi)容，則只要池存在，進程就會存在。

import time
from multiprocessing import Pool


def square(x):
print(f"start process:{x}")
square = x * x
print(f"square {x}:{square}")
time.sleep(1)
print(f"end process:{x}")


if __name__ == "__main__":
starttime = time.time()
pool = Pool()
pool.map(square, range(0, 5))
pool.close()
endtime = time.time()
print(f"Time taken {endtime-starttime} seconds")

結果為：

start process:0
start process:1
square 1:1
square 0:0
end process:1
start process:2
end process:0
start process:3
square 2:4
square 3:9
end process:3
end process:2
start process:4
square 4:16
end process:4
Time taken 3.0474610328674316 seconds

在這里，我們從多處理模塊中導入 Pool 類。在主函數(shù)中，我們創(chuàng)建了一個 Pool 類的對象。 pool.map() 將我們想要并行化的函數(shù)和一個可迭代的函數(shù)作為參數(shù)。它在可迭代的每個項目上運行給定的函數(shù)。它還接受一個可選的 chunksize 參數(shù)，它將可迭代對象拆分為等于給定大小的塊，并將每個塊作為單獨的任務傳遞。 pool.close() 用于拒絕新任務。
我們可以看到花費的時間大約是 3 秒。
?pool.imap()?? 與 ?pool.map()?? 方法幾乎相同。不同的是，每個項目的結果都是在準備好后立即收到的，而不是等待所有項目都完成。此外， ?map()?? 方法將可迭代對象轉(zhuǎn)換為列表（如果不是）。但是， ?imap()?? 方法沒有。

來看下一個例子：

import time
from multiprocessing import Pool


def square(x):
print(f"start process {x}")
square = x * x
time.sleep(1)
print(f"end process {x}")
return square


if __name__ == "__main__":
pool = Pool()
a = pool.map(square, range(0, 5))
print(a)

運行結果：

start process 0
start process 1
end process 0
start process 2
end process 1
start process 3
end process 2
start process 4
end process 3
end process 4
[0, 1, 4, 9, 16]

from concurrent.futures import ThreadPoolExecutor

def say_hello():
print("Hello")

executor = ThreadPoolExecutor(50)
for i in range(0, 10):
executor.submit(say_hello)

練習

利用 Python 多線程模擬商品秒殺過程，不可以出現(xiàn)超買和超賣的情況。假設A商品有50件參與秒殺活動，10分鐘秒殺自動結束。

kill_total 商品總數(shù)
kill_num 成功搶購數(shù)
kill_flag 有效標志位
kill_user 成功搶購的用戶ID

from redis_db import pool
import redis
import random
from concurrent.futures import ThreadPoolExecutor

s = set()
while True:
if len(s) == 1000:
break
num = random.randint(10000, 100000)
s.add(num)
print(s)

con = redis.Redis(
connection_pool=pool
)

try:
con.delete("kill_total", "kill_num", "kill_flag", "kill_user")
con.set("kill_total", 50)
con.set("kill_num", 0)
con.set("kill_flag", 1)
con.expire("kill_flag", 600)

except Exception as e:
print(e)
finally:
del con

executor = ThreadPoolExecutor(200)
def buy():
connection = redis.Redis(
connection_pool=pool
)
pipline = connection.pipline()
try:
if connection.exists("kill_flag") == 1:
pipline.watch("kill_num", "kill_user")
total = pipline.get("kill_total")
num = int(pipline.get("kill_num").decode("utf-8"))
if num < total:
pipline.multi()
pipline.incr("kill_num")
user_id = s.pop()
pipline.rpush("kill_user", user_id)

pipline.execute()
except Exception as e:
print(e)
finally:
if "pipline" in dir():
pipline.reset()
del connection

for i in range(0, 1000):
executor.submit(buy)
print("秒殺活動已經(jīng)結束")

到此這篇關于在 Python 中利用Pool 進行多處理的文章就介紹到這了,更多相關 Python Pool 多處理內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: