Python快速實現(xiàn)一個線程池的示例代碼
楔子
當有多個 IO 密集型的任務要被處理時，我們自然而然會想到多線程。但如果任務非常多，我們不可能每一個任務都啟動一個線程去處理，這個時候最好的辦法就是實現(xiàn)一個線程池，至于池子里面的線程數(shù)量可以根據(jù)業(yè)務場景進行設置。
比如我們實現(xiàn)一個有 10 個線程的線程池，這樣可以并發(fā)地處理 10 個任務，每個線程將任務執(zhí)行完之后，便去執(zhí)行下一個任務。通過使用線程池，可以避免因線程創(chuàng)建過多而導致資源耗盡，而且任務在執(zhí)行時的生命周期也可以很好地把控。
而線程池的實現(xiàn)方式也很簡單，但這里我們不打算手動實現(xiàn)，因為 Python 提供了一個標準庫 concurrent.futures，已經(jīng)內(nèi)置了對線程池的支持。所以本篇文章，我們就來詳細介紹一下該模塊的用法。
Future 對象
當我們往線程池里面提交一個函數(shù)時，會分配一個線程去執(zhí)行，同時立即返回一個 Future 對象。通過 Future 對象可以監(jiān)控函數(shù)的執(zhí)行狀態(tài)，有沒有出現(xiàn)異常，以及有沒有執(zhí)行完畢等等。如果函數(shù)執(zhí)行完畢，內(nèi)部便會調(diào)用 future.set_result 將返回值設置到 future 里面，然后外界便可調(diào)用 future.result 拿到返回值。
除此之外 future 還可以綁定回調(diào)，一旦函數(shù)執(zhí)行完畢，就會以 future 為參數(shù)，自動觸發(fā)回調(diào)。所以 future 被稱為未來對象，可以把它理解為函數(shù)的一個容器，當我們往線程池提交一個函數(shù)時，會立即創(chuàng)建相應的 future 然后返回。函數(shù)的執(zhí)行狀態(tài)什么的，都通過 future 來查看，當然也可以給它綁定一個回調(diào)，在函數(shù)執(zhí)行完畢時自動觸發(fā)。
那么下面我們就來看一下 future 的用法，文字的話理解起來可能有點枯燥。
"""
將函數(shù)提交到線程池里面運行時，會立即返回一個對象
這個對象就叫做?Future?對象，里面包含了函數(shù)的執(zhí)行狀態(tài)等等
當然我們也可以手動創(chuàng)建一個Future對象。
"""
from?concurrent.futures?import?Future
#?創(chuàng)建?Future?對象?future
future?=?Future()
#?給?future?綁定回調(diào)
def?callback(f:?Future):
????print("當set_result的時候會執(zhí)行回調(diào)，result:",
??????????f.result())
future.add_done_callback(callback)
#?通過?add_done_callback?方法即可給?future?綁定回調(diào)
#?調(diào)用的時候會自動將?future?作為參數(shù)
#?如果需要多個參數(shù)，那么就使用偏函數(shù)
#?回調(diào)函數(shù)什么時候執(zhí)行呢？
#?顯然是當?future?執(zhí)行?set_result?的時候
#?如果?future?是向線程池提交函數(shù)時返回的
#?那么當函數(shù)執(zhí)行完畢時會自動執(zhí)行?future.set_result(xx)
#?并將自身的返回設置進去
#?而這里的?future?是我們手動創(chuàng)建的，因此需要手動執(zhí)行
future.set_result("嘿嘿")
"""
當set_result的時候會執(zhí)行回調(diào)，result:?嘿嘿
"""需要注意的是：只能執(zhí)行一次 set_result，但是可以多次調(diào)用 result 獲取結(jié)果。
from?concurrent.futures?import?Future
future?=?Future()
future.set_result("哼哼")
print(future.result())??#?哼哼
print(future.result())??#?哼哼
print(future.result())??#?哼哼執(zhí)行 future.result() 之前一定要先 set_result，否則會一直處于阻塞狀態(tài)。當然 result 方法還可以接收一個 timeout 參數(shù)，表示超時時間，如果在指定時間內(nèi)沒有獲取到值就會拋出異常。
提交函數(shù)自動創(chuàng)建 Future 對象
我們上面是手動創(chuàng)建的 Future 對象，但工作中很少會手動創(chuàng)建。我們將函數(shù)提交到線程池里面運行的時候，會自動創(chuàng)建 Future 對象并返回。這個 Future 對象里面就包含了函數(shù)的執(zhí)行狀態(tài)，比如此時是處于暫停、運行中還是完成等等，并且函數(shù)在執(zhí)行完畢之后，還會調(diào)用 future.set_result 將自身的返回值設置進去。
from?concurrent.futures?import?ThreadPoolExecutor
import?time
def?task(name,?n):
????time.sleep(n)
????return?f"{name}?睡了?{n}?秒"
#?創(chuàng)建一個線程池
#?里面還可以指定?max_workers?參數(shù)，表示最多創(chuàng)建多少個線程
#?如果不指定，那么每提交一個函數(shù)，都會為其創(chuàng)建一個線程
executor?=?ThreadPoolExecutor()
#?通過?submit?即可將函數(shù)提交到線程池，一旦提交，就會立刻運行
#?因為開啟了一個新的線程，主線程會繼續(xù)往下執(zhí)行
#?至于?submit?的參數(shù)，按照函數(shù)名，對應參數(shù)提交即可
#?切記不可寫成task("古明地覺",?3)，這樣就變成調(diào)用了
future?=?executor.submit(task,?"古明地覺",?3)
#?由于函數(shù)里面出現(xiàn)了?time.sleep，并且指定的?n?是?3
#?所以函數(shù)內(nèi)部會休眠?3?秒，顯然此時處于運行狀態(tài)
print(future)
"""
<Future?at?0x7fbf701726d0?state=running>
"""
#?我們說?future?相當于一個容器，包含了內(nèi)部函數(shù)的執(zhí)行狀態(tài)
#?函數(shù)是否正在運行中
print(future.running())
"""
True
"""
#?函數(shù)是否執(zhí)行完畢
print(future.done())
"""
False
"""
#?主程序也?sleep?3?秒
time.sleep(3)
#?顯然此時函數(shù)已經(jīng)執(zhí)行完畢了
#?并且打印結(jié)果還告訴我們返回值類型是?str
print(future)
"""
<Future?at?0x7fbf701726d0?state=finished?returned?str>
"""
print(future.running())
"""
False
"""
print(future.done())
"""
True
"""
#?函數(shù)執(zhí)行完畢時，會將返回值設置在?future?里
#?也就是說一旦執(zhí)行了?future.set_result
#?那么就表示函數(shù)執(zhí)行完畢了，然后外界可以調(diào)用?result?拿到返回值
print(future.result())
"""
古明地覺?睡了?3?秒
"""這里再強調(diào)一下 future.result()，這一步是會阻塞的，舉個例子：
#?提交函數(shù) future?=?executor.submit(task,?"古明地覺",?3) start?=?time.perf_counter() future.result() end?=?time.perf_counter() print(end?-?start)??#?3.00331525
可以看到，future.result() 這一步花了將近 3s。其實也不難理解，future.result() 是干嘛的？就是為了獲取函數(shù)的返回值，可函數(shù)都還沒有執(zhí)行完畢，它又從哪里獲取呢？所以只能先等待函數(shù)執(zhí)行完畢，將返回值通過 set_result 設置到 future 里面之后，外界才能調(diào)用 future.result() 獲取到值。
如果不想一直等待的話，那么在獲取值的時候可以傳入一個超時時間。
from?concurrent.futures?import?(
????ThreadPoolExecutor,
????TimeoutError
)
import?time
def?task(name,?n):
????time.sleep(n)
????return?f"{name}?睡了?{n}?秒"
executor?=?ThreadPoolExecutor()
future?=?executor.submit(task,?"古明地覺",?3)
try:
????#?1?秒之內(nèi)獲取不到值，拋出?TimeoutError
????res?=?future.result(1)
except?TimeoutError:
????pass
#?再?sleep?2?秒，顯然函數(shù)執(zhí)行完畢了
time.sleep(2)
#?獲取返回值
print(future.result())
"""
古明地覺?睡了?3?秒
"""當然啦，這么做其實還不夠智能，因為我們不知道函數(shù)什么時候執(zhí)行完畢。所以最好的辦法還是綁定一個回調(diào)，當函數(shù)執(zhí)行完畢時，自動觸發(fā)回調(diào)。
from?concurrent.futures?import?ThreadPoolExecutor
import?time
def?task(name,?n):
????time.sleep(n)
????return?f"{name}?睡了?{n}?秒"
def?callback(f):
????print(f.result())
executor?=?ThreadPoolExecutor()
future?=?executor.submit(task,?"古明地覺",?3)
#?綁定回調(diào)，3?秒之后自動調(diào)用
future.add_done_callback(callback)
"""
古明地覺?睡了?3?秒
"""需要注意的是，在調(diào)用 submit 方法之后，提交到線程池的函數(shù)就已經(jīng)開始執(zhí)行了。而不管函數(shù)有沒有執(zhí)行完畢，我們都可以給對應的 future 綁定回調(diào)。
如果函數(shù)完成之前添加回調(diào)，那么會在函數(shù)完成后觸發(fā)回調(diào)。如果函數(shù)完成之后添加回調(diào)，由于函數(shù)已經(jīng)完成，代表此時的 future 已經(jīng)有值了，或者說已經(jīng) set_result 了，那么會立即觸發(fā)回調(diào)。
future.set_result 到底干了什么事情
當函數(shù)執(zhí)行完畢之后，會執(zhí)行 set_result，那么這個方法到底干了什么事情呢？
我們看到 future 有兩個被保護的屬性，分別是 _result 和 _state。顯然 _result 用于保存函數(shù)的返回值，而 future.result() 本質(zhì)上也是返回 _result 屬性的值。而 _state 屬性則用于表示函數(shù)的執(zhí)行狀態(tài)，初始為 PENDING，執(zhí)行中為 RUNING，執(zhí)行完畢時被設置為 FINISHED。
調(diào)用 future.result() 的時候，會判斷 _state 的屬性，如果還在執(zhí)行中就一直等待。當 _state 為 FINISHED 的時候，就返回 _result 屬性的值。
提交多個函數(shù)
我們上面每次只提交了一個函數(shù)，但其實可以提交任意多個，我們來看一下：
from?concurrent.futures?import?ThreadPoolExecutor
import?time
def?task(name,?n):
????time.sleep(n)
????return?f"{name}?睡了?{n}?秒"
executor?=?ThreadPoolExecutor()
futures?=?[executor.submit(task,?"古明地覺",?3),
???????????executor.submit(task,?"古明地覺",?4),
???????????executor.submit(task,?"古明地覺",?1)]
#?此時都處于running
print(futures)
"""
[<Future?at?0x1b5ff622550?state=running>,
?<Future?at?0x1b5ff63ca60?state=running>,?
?<Future?at?0x1b5ff63cdf0?state=running>]
"""
time.sleep(3)
#?主程序?sleep?3s?后
#?futures[0]和futures[2]處于?finished
#?futures[1]仍處于?running
print(futures)
"""
[<Future?at?0x1b5ff622550?state=running>,?
?<Future?at?0x1b5ff63ca60?state=running>,?
?<Future?at?0x1b5ff63cdf0?state=finished?returned?str>]
"""如果是多個函數(shù)，要如何拿到返回值呢？很簡單，遍歷 futures 即可。
executor?=?ThreadPoolExecutor() futures?=?[executor.submit(task,?"古明地覺",?5), ???????????executor.submit(task,?"古明地覺",?2), ???????????executor.submit(task,?"古明地覺",?4), ???????????executor.submit(task,?"古明地覺",?3), ???????????executor.submit(task,?"古明地覺",?6)] for?future?in?futures: ????print(future.result()) """ 古明地覺?睡了?5?秒 古明地覺?睡了?2?秒 古明地覺?睡了?4?秒 古明地覺?睡了?3?秒 古明地覺?睡了?6?秒 """
這里面有一些值得說一說的地方，首先 futures 里面有 5 個 future，記做 future1, future2, future3, future4, future5。
當使用 for 循環(huán)遍歷的時候，實際上會依次遍歷這 5 個 future，所以返回值的順序就是我們添加的函數(shù)的順序。由于 future1 對應的函數(shù)休眠了 5s，那么必須等到 5s 后，future1 里面才會有值。
但這五個函數(shù)是并發(fā)執(zhí)行的，future2, future3, future4 由于只休眠了 2s, 4s, 3s，所以肯定會先執(zhí)行完畢，然后執(zhí)行 set_result，將返回值設置到對應的 future 里。
但 Python 的 for 循環(huán)不可能在第一次迭代還沒有結(jié)束，就去執(zhí)行第二次迭代。因為 futures 里面的幾個 future 的順序已經(jīng)一開始就被定好了，只有當?shù)谝粋€ future.result() 執(zhí)行完成之后，才會執(zhí)行第二個 future.result()，以及第三個、第四個。
因此即便后面的函數(shù)已經(jīng)執(zhí)行完畢，但由于 for 循環(huán)的順序，也只能等著，直到前面的 future.result() 執(zhí)行完畢。所以當?shù)谝粋€ future.result() 結(jié)束時，后面三個 future.result() 會立刻輸出，因為它們內(nèi)部的函數(shù)已經(jīng)執(zhí)行結(jié)束了。
而最后一個 future，由于內(nèi)部函數(shù) sleep 了 6 秒，因此要再等待 1 秒，才會打印 future.result()。
使用 map 來提交多個函數(shù)
使用 submit 提交函數(shù)會返回一個 future，并且還可以給 future 綁定一個回調(diào)。但如果不關心回調(diào)的話，那么還可以使用 map 進行提交。
executor?=?ThreadPoolExecutor() #?map?內(nèi)部也是使用了?submit results?=?executor.map(task, ???????????????????????["古明地覺"]?*?3, ???????????????????????[3,?1,?2]) #?并且返回的是迭代器 print(results) """ <generator?object?...?at?0x0000022D78EFA970> """ #?此時遍歷得到的是不再是?future #?而是?future.result() for?result?in?results: ????print(result) """ 古明地覺?睡了?3?秒 古明地覺?睡了?1?秒 古明地覺?睡了?2?秒 """
可以看到，當使用for循環(huán)的時候，map 執(zhí)行的邏輯和 submit 是一樣的。唯一的區(qū)別是，此時不需要再調(diào)用 result 了，因為返回的就是函數(shù)的返回值。
或者我們直接調(diào)用 list 也行。
executor?=?ThreadPoolExecutor() results?=?executor.map(task, ???????????????????????["古明地覺"]?*?3, ???????????????????????[3,?1,?2]) print(list(results)) """ ['古明地覺?睡了?3?秒',? ?'古明地覺?睡了?1?秒',? ?'古明地覺?睡了?2?秒'] """
results 是一個生成器，調(diào)用 list 的時候會將里面的值全部產(chǎn)出。由于 map 內(nèi)部還是使用的 submit，然后通過 future.result() 拿到返回值，而耗時最長的函數(shù)需要 3 秒，因此這一步會阻塞 3 秒。3 秒過后，會打印所有函數(shù)的返回值。
按照順序等待執(zhí)行
上面在獲取返回值的時候，是按照函數(shù)的提交順序獲取的。如果我希望哪個函數(shù)先執(zhí)行完畢，就先獲取哪個函數(shù)的返回值，該怎么做呢？
from?concurrent.futures?import?(
????ThreadPoolExecutor,
????as_completed
)
import?time
def?task(name,?n):
????time.sleep(n)
????return?f"{name}?睡了?{n}?秒"
executor?=?ThreadPoolExecutor()
futures?=?[executor.submit(task,?"古明地覺",?5),
???????????executor.submit(task,?"古明地覺",?2),
???????????executor.submit(task,?"古明地覺",?1),
???????????executor.submit(task,?"古明地覺",?3),
???????????executor.submit(task,?"古明地覺",?4)]
for?future?in?as_completed(futures):
????print(future.result())
"""
古明地覺?睡了?1?秒
古明地覺?睡了?2?秒
古明地覺?睡了?3?秒
古明地覺?睡了?4?秒
古明地覺?睡了?5?秒
"""此時誰先完成，誰先返回。
取消一個函數(shù)的執(zhí)行
我們通過 submit 可以將函數(shù)提交到線程池中執(zhí)行，但如果我們想取消該怎么辦呢？
executor?=?ThreadPoolExecutor() future1?=?executor.submit(task,?"古明地覺",?1) future2?=?executor.submit(task,?"古明地覺",?2) future3?=?executor.submit(task,?"古明地覺",?3) #?取消函數(shù)的執(zhí)行 #?會將?future?的?_state?屬性設置為?CANCELLED future3.cancel() #?查看是否被取消 print(future3.cancelled())??#?False
問題來了，調(diào)用 cancelled 方法的時候，返回的是False，這是為什么？很簡單，因為函數(shù)已經(jīng)被提交到線程池里面了，函數(shù)已經(jīng)運行了。而只有在還沒有運行時，取消才會成功。
可這不矛盾了嗎？函數(shù)一旦提交就會運行，只有不運行才會取消成功，這怎么辦？還記得線程池的一個叫做 max_workers 的參數(shù)嗎？用來控制線程池內(nèi)的線程數(shù)量，我們可以將最大的線程數(shù)設置為2，那么當?shù)谌齻€函數(shù)進去的時候，就不會執(zhí)行了，而是處于暫停狀態(tài)。
executor?=?ThreadPoolExecutor(max_workers=2) future1?=?executor.submit(task,?"古明地覺",?1) future2?=?executor.submit(task,?"古明地覺",?2) future3?=?executor.submit(task,?"古明地覺",?3) #?如果池子里可以創(chuàng)建空閑線程 #?那么函數(shù)一旦提交就會運行，狀態(tài)為?RUNNING print(future1._state)??#?RUNNING print(future2._state)??#?RUNNING #?但?future3?內(nèi)部的函數(shù)還沒有運行 #?因為池子里無法創(chuàng)建新的空閑線程了，所以狀態(tài)為?PENDING print(future3._state)??#?PENDING #?取消函數(shù)的執(zhí)行，前提是函數(shù)沒有運行 #?會將?future?的?_state?屬性設置為?CANCELLED future3.cancel() #?查看是否被取消 print(future3.cancelled())??#?True print(future3._state)??#?CANCELLED
在啟動線程池的時候，肯定是需要設置容量的，不然處理幾千個函數(shù)要開啟幾千個線程嗎。另外當函數(shù)被取消了，就不可以再調(diào)用 future.result() 了，否則的話會拋出 CancelledError。
函數(shù)執(zhí)行時出現(xiàn)異常
我們前面的邏輯都是函數(shù)正常執(zhí)行的前提下，但天有不測風云，如果函數(shù)執(zhí)行時出現(xiàn)異常了該怎么辦？
from?concurrent.futures?import?ThreadPoolExecutor def?task1(): ????1?/?0 def?task2(): ????pass executor?=?ThreadPoolExecutor(max_workers=2) future1?=?executor.submit(task1) future2?=?executor.submit(task2) print(future1) print(future2) """ <Future?at?0x7fe3e00f9e50?state=finished?raised?ZeroDivisionError> <Future?at?0x7fe3e00f9eb0?state=finished?returned?NoneType> """ #?結(jié)果顯示?task1?函數(shù)執(zhí)行出現(xiàn)異常了 #?那么這個異常要怎么獲取呢？ print(future1.exception()) print(future1.exception().__class__) """ division?by?zero <class?'ZeroDivisionError'> """ #?如果執(zhí)行沒有出現(xiàn)異常，那么?exception?方法返回?None print(future2.exception())??#?None #?注意：如果函數(shù)執(zhí)行出現(xiàn)異常了 #?那么調(diào)用?result?方法會將異常拋出來 future1.result() """ Traceback?(most?recent?call?last): ??File?"...",?line?4,?in?task1 ????1?/?0 ZeroDivisionError:?division?by?zero """
出現(xiàn)異常時，調(diào)用 future.set_exception 將異常設置到 future 里面，而 future 有一個 _exception 屬性，專門保存設置的異常。當調(diào)用 future.exception() 時，也會直接返回 _exception 屬性的值。
等待所有函數(shù)執(zhí)行完畢
假設我們往線程池提交了很多個函數(shù)，如果希望提交的函數(shù)都執(zhí)行完畢之后，主程序才能往下執(zhí)行，該怎么辦呢？其實方案有很多：
第一種：
from?concurrent.futures?import?ThreadPoolExecutor
import?time
def?task(n):
????time.sleep(n)
????return?f"sleep?{n}"
executor?=?ThreadPoolExecutor()
future1?=?executor.submit(task,?5)
future2?=?executor.submit(task,?2)
future3?=?executor.submit(task,?4)
#?這里是不會阻塞的
print("start")
#?遍歷所有的?future，并調(diào)用其?result?方法
#?這樣就會等到所有的函數(shù)都執(zhí)行完畢之后才會往下走
for?future?in?[future1,?future2,?future3]:
????print(future.result())
print("end")
"""
start
sleep?5
sleep?2
sleep?4
end
"""第二種：
from?concurrent.futures?import?(
????ThreadPoolExecutor,
????wait
)
import?time
def?task(n):
????time.sleep(n)
????return?f"sleep?{n}"
executor?=?ThreadPoolExecutor()
future1?=?executor.submit(task,?5)
future2?=?executor.submit(task,?2)
future3?=?executor.submit(task,?4)
#?return_when?有三個可選參數(shù)
# FIRST_COMPLETED：當任意一個任務完成或者取消
# FIRST_EXCEPTION：當任意一個任務出現(xiàn)異常
#??????????????????如果都沒出現(xiàn)異常等同于ALL_COMPLETED
# ALL_COMPLETED：所有任務都完成，默認是這個值
fs?=?wait([future1,?future2,?future3],
??????????return_when="ALL_COMPLETED")
#?此時返回的fs是DoneAndNotDoneFutures類型的namedtuple
#?里面有兩個值，一個是done，一個是not_done
print(fs.done)
"""
{<Future?at?0x1df1400?state=finished?returned?str>,?
?<Future?at?0x2f08e48?state=finished?returned?str>,?
?<Future?at?0x9f7bf60?state=finished?returned?str>}
"""
print(fs.not_done)
"""
set()
"""
for?f?in?fs.done:
????print(f.result())
"""
start
sleep?5
sleep?2
sleep?4
end
"""第三種：
#?使用上下文管理 with?ThreadPoolExecutor()?as?executor: ????future1?=?executor.submit(task,?5) ????future2?=?executor.submit(task,?2) ????future3?=?executor.submit(task,?4) #?所有函數(shù)執(zhí)行完畢（with語句結(jié)束）后才會往下執(zhí)行
第四種：
executor?=?ThreadPoolExecutor() future1?=?executor.submit(task,?5) future2?=?executor.submit(task,?2) future3?=?executor.submit(task,?4) #?所有函數(shù)執(zhí)行結(jié)束后，才會往下執(zhí)行 executor.shutdown()
小結(jié)
如果我們需要啟動多線程來執(zhí)行函數(shù)的話，那么不妨使用線程池。每調(diào)用一個函數(shù)就從池子里面取出一個線程，函數(shù)執(zhí)行完畢就將線程放回到池子里以便其它函數(shù)執(zhí)行。如果池子里面空了，或者說無法創(chuàng)建新的空閑線程，那么接下來的函數(shù)就只能處于等待狀態(tài)了。
最后，concurrent.futures 不僅可以用于實現(xiàn)線程池，還可以用于實現(xiàn)進程池。兩者的 API 是一樣的：
from?concurrent.futures?import?ProcessPoolExecutor
import?time
def?task(n):
????time.sleep(n)
????return?f"sleep?{n}"
executor?=?ProcessPoolExecutor()
#?Windows?上需要加上這一行
if?__name__?==?'__main__':
????future1?=?executor.submit(task,?5)
????future2?=?executor.submit(task,?2)
????future3?=?executor.submit(task,?4)
????executor.shutdown()
????print(future1.result())
????print(future2.result())
????print(future3.result())
"""
sleep?5
sleep?2
sleep?4
"""????線程池和進程池的 API 是一致的，但工作中很少會創(chuàng)建進程池。
以上就是Python快速實現(xiàn)一個線程池的示例代碼的詳細內(nèi)容，更多關于Python線程池的資料請關注腳本之家其它相關文章！
相關文章
python+selenium實現(xiàn)簡歷自動刷新的示例代碼
這篇文章主要介紹了python+selenium實現(xiàn)簡歷自動刷新的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
這篇文章主要介紹了python如何使用raise拋出自定義異常問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了在IIS服務器上以CGI方式運行Python腳本的教程,雖然IIS的性能并不理想...需要的朋友可以參考下2015-04-04
Python?FastAPI?Sanic?Tornado?與Golang?Gin性能實戰(zhàn)對比
本文將深入比較Python的FastAPI、Sanic、Tornado以及Golang的Gin框架的各種特性、性能表現(xiàn)以及適用場景,通過詳實的性能測試和實際示例代碼,將探討它們在構(gòu)建現(xiàn)代高性能應用中的優(yōu)劣勢,以便開發(fā)者根據(jù)需求做出明智的選擇2024-01-01
今天小編就為大家分享一篇Python中的單行、多行、中文注釋方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了python進程間通信Queue工作過程詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-11-11
這篇文章主要介紹了如何利用python畫畫，幫助大家更好的理解和使用python的turtle庫，感興趣的朋友可以了解下2020-12-12
這篇文章主要來和大家分享10個拿來即用的Python自動化腳本,文中的示例代碼講解詳細,具有一定的借鑒價值,感興趣的小伙伴可以跟隨小編一起學習一下2023-12-12
詳解mac python+selenium+Chrome 簡單案例
這篇文章主要介紹了詳解mac python+selenium+Chrome 簡單案例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-11-11
梯度下降算法是一個很基本的算法，在機器學習和優(yōu)化中有著非常重要的作用，下面這篇文章主要給大家介紹了關于利用Python實現(xiàn)梯度下降法的相關資料，對大家具有一定的參考學習價值，需要的朋友們下面來一起看看吧。2017-07-07