引言

Python標準庫為我們提供了threading和multiprocessing模塊編寫相應的多線程/多進程代碼，但是當項目達到一定的規模，頻繁創建/銷毀進程或者線程是非常消耗資源的，這個時候我們就要編寫自己的線程池/進程池，以空間換時間。但從Python3.2開始，標準庫為我們提供了concurrent.futures模塊，它提供了ThreadPoolExecutor和ProcessPoolExecutor兩個類，實現了對threading和multiprocessing的進一步抽象，對編寫線程池/進程池提供了直接的支持。

Executor和Future

concurrent.futures模塊的基礎是Exectuor，Executor是一個抽象類，它不能被直接使用。但是它提供的兩個子類ThreadPoolExecutor和ProcessPoolExecutor卻是非常有用，顧名思義兩者分別被用來創建線程池和進程池的代碼。我們可以將相應的tasks直接放入線程池/進程池，不需要維護Queue來操心死鎖的問題，線程池/進程池會自動幫我們調度。

Future這個概念相信有java和nodejs下編程經驗的朋友肯定不陌生了，你可以把它理解為一個在未來完成的操作，這是異步編程的基礎，傳統編程模式下比如我們操作queue.get的時候，在等待返回結果之前會產生阻塞，cpu不能讓出來做其他事情，而Future的引入幫助我們在等待的這段時間可以完成其他的操作。關于在Python中進行異步IO可以閱讀完本文之后參考我的Python并發編程之協程/異步IO。

p.s: 如果你依然在堅守Python2.x，請先安裝futures模塊。

pip install futures 

使用submit來操作線程池/進程池

我們先通過下面這段代碼來了解一下線程池的概念

# example1.py 
from concurrent.futures import ThreadPoolExecutor 
import time 
def return_future_result(message): 
    time.sleep(2) 
    return message 
pool = ThreadPoolExecutor(max_workers=2)  # 創建一個***可容納2個task的線程池 
future1 = pool.submit(return_future_result, ("hello"))  # 往線程池里面加入一個task 
future2 = pool.submit(return_future_result, ("world"))  # 往線程池里面加入一個task 
print(future1.done())  # 判斷task1是否結束 
time.sleep(3) 
print(future2.done())  # 判斷task2是否結束 
print(future1.result())  # 查看task1返回的結果 
print(future2.result())  # 查看task2返回的結果 

我們根據運行結果來分析一下。我們使用submit方法來往線程池中加入一個task，submit返回一個Future對象，對于Future對象可以簡單地理解為一個在未來完成的操作。在***個print語句中很明顯因為time.sleep(2)的原因我們的future1沒有完成，因為我們使用time.sleep(3)暫停了主線程，所以到第二個print語句的時候我們線程池里的任務都已經全部結束。

ziwenxie :: ~ » python example1.py 
False 
True 
hello 
world 
# 在上述程序執行的過程中，通過ps命令我們可以看到三個線程同時在后臺運行 
ziwenxie :: ~ » ps -eLf | grep python 
ziwenxie      8361  7557  8361  3    3 19:45 pts/0    00:00:00 python example1.py 
ziwenxie      8361  7557  8362  0    3 19:45 pts/0    00:00:00 python example1.py 
ziwenxie      8361  7557  8363  0    3 19:45 pts/0    00:00:00 python example1.py 

上面的代碼我們也可以改寫為進程池形式，api和線程池如出一轍，我就不羅嗦了。

# example2.py 
from concurrent.futures import ProcessPoolExecutor 
import time 
def return_future_result(message): 
    time.sleep(2) 
    return message 
pool = ProcessPoolExecutor(max_workers=2) 
future1 = pool.submit(return_future_result, ("hello")) 
future2 = pool.submit(return_future_result, ("world")) 
print(future1.done()) 
time.sleep(3) 
print(future2.done()) 
print(future1.result()) 
print(future2.result()) 

下面是運行結果

ziwenxie :: ~ » python example2.py 
False 
True 
hello 
world 
ziwenxie :: ~ » ps -eLf | grep python 
ziwenxie      8560  7557  8560  3    3 19:53 pts/0    00:00:00 python example2.py 
ziwenxie      8560  7557  8563  0    3 19:53 pts/0    00:00:00 python example2.py 
ziwenxie      8560  7557  8564  0    3 19:53 pts/0    00:00:00 python example2.py 
ziwenxie      8561  8560  8561  0    1 19:53 pts/0    00:00:00 python example2.py 
ziwenxie      8562  8560  8562  0    1 19:53 pts/0    00:00:00 python example2.py 

使用map/wait來操作線程池/進程池

除了submit，Exectuor還為我們提供了map方法，和內建的map用法類似，下面我們通過兩個例子來比較一下兩者的區別。

使用submit操作回顧

# example3.py 
import concurrent.futures 
import urllib.request 
URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
def load_url(url, timeout): 
    with urllib.request.urlopen(url, timeouttimeout=timeout) as conn: 
        return conn.read() 
# We can use a with statement to ensure threads are cleaned up promptly 
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
    # Start the load operations and mark each future with its URL 
    future_to_url = {executor.submit(load_url, url, 60): url for url in URLS} 
    for future in concurrent.futures.as_completed(future_to_url): 
        url = future_to_url[future] 
        try: 
            data = future.result() 
        except Exception as exc: 
            print('%r generated an exception: %s' % (url, exc)) 
        else: 
            print('%r page is %d bytes' % (url, len(data))) 

從運行結果可以看出，as_completed不是按照URLS列表元素的順序返回的。

ziwenxie :: ~ » python example3.py 
'http://example.com/' page is 1270 byte 
'https://api.github.com/' page is 2039 bytes 
'http://httpbin.org' page is 12150 bytes 

使用map

# example4.py 
import concurrent.futures 
import urllib.request 
URLS = ['http://httpbin.org', 'http://example.com/', 'https://api.github.com/'] 
def load_url(url): 
    with urllib.request.urlopen(url, timeout=60) as conn: 
        return conn.read() 
# We can use a with statement to ensure threads are cleaned up promptly 
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: 
    for url, data in zip(URLS, executor.map(load_url, URLS)): 
        print('%r page is %d bytes' % (url, len(data))) 

從運行結果可以看出，map是按照URLS列表元素的順序返回的，并且寫出的代碼更加簡潔直觀，我們可以根據具體的需求任選一種。

ziwenxie :: ~ » python example4.py 
'http://httpbin.org' page is 12150 bytes 
'http://example.com/' page is 1270 bytes 
'https://api.github.com/' page is 2039 bytes 

第三種選擇wait

wait方法接會返回一個tuple(元組)，tuple中包含兩個set(集合)，一個是completed(已完成的)另外一個是uncompleted(未完成的)。使用wait方法的一個優勢就是獲得更大的自由度，它接收三個參數FIRST_COMPLETED, FIRST_EXCEPTION 和ALL_COMPLETE，默認設置為ALL_COMPLETED。

我們通過下面這個例子來看一下三個參數的區別

from concurrent.futures import ThreadPoolExecutor, wait, as_completed 
from time import sleep 
from random import randint 
def return_after_random_secs(num): 
    sleep(randint(1, 5)) 
    return "Return of {}".format(num) 
pool = ThreadPoolExecutor(5) 
futures = [] 
for x in range(5): 
    futures.append(pool.submit(return_after_random_secs, x)) 
print(wait(futures)) 
# print(wait(futures, timeout=None, return_when='FIRST_COMPLETED')) 

如果采用默認的ALL_COMPLETED，程序會阻塞直到線程池里面的所有任務都完成。

ziwenxie :: ~ » python example5.py
DoneAndNotDoneFutures(done={
<Future at 0x7f0b06c9bc88 state=finished returned str>,
<Future at 0x7f0b06cbaa90 state=finished returned str>,
<Future at 0x7f0b06373898 state=finished returned str>,
<Future at 0x7f0b06352ba8 state=finished returned str>,
<Future at 0x7f0b06373b00 state=finished returned str>}, not_done=set())

如果采用FIRST_COMPLETED參數，程序并不會等到線程池里面所有的任務都完成。

ziwenxie :: ~ » python example5.py 
DoneAndNotDoneFutures(done={ 
<Future at 0x7f84109edb00 state=finished returned str>, 
<Future at 0x7f840e2e9320 state=finished returned str>, 
<Future at 0x7f840f25ccc0 state=finished returned str>}, 
not_done={<Future at 0x7f840e2e9ba8 state=running>, 
<Future at 0x7f840e2e9940 state=running>}) 

思考題

寫一個小程序對比multiprocessing.pool(ThreadPool)和ProcessPollExecutor(ThreadPoolExecutor)在執行效率上的差距，結合上面提到的Future思考為什么會造成這樣的結果。

【責任編輯：seeker TEL：（010）68476606】