Python高手进阶|实战4大并发秘籍

屏幕快照 2018-02-26 10.26.29.png

阅读本文大概需要4分钟

前几天把入门的文章汇总了一下(来来来，10篇精华文章|帮你快速恢复功力),不知道大家的功力恢复几层啦，前面写了60多篇入门文章，今年会慢慢的写一些Python进阶的文章！今天我们就从Python的并发开刀，大家都知道并发有几招，那这几招的性能如何呢，我们一起来实战PK一下!

要点：

• 手动线程池

• concurrent.futures线程池

• concurrent.futures进程池

• gevent协程

1.实战爬取维基百科例子

平时我们有很多任务，尤其是比较耗时的大量任务要处理，一定会用到并发处理。毕竟串行太慢了，下面我们去爬一个维基百科的网站:

140_1.png

我们来爬取红框里面的导航文本部分,这是一个非常简单的爬虫(关于爬虫的文章前面写的太多太多了，大家可以翻历史文章)

1).连接网页

140_2.png

2).爬取网页

140_3.png

-函数设计的时候我们希望入参是一个元组(url,words),方便后面做并发处理
-网页非常简单，直接用requests取爬取,获取text
-用pyquery来解析网页,获取对国家的描述
-数据结构用字典对来存储

2.PK前做点准备工作

1).如果我们现在要爬取100个国家的信息，有几种办法呢：
最慢的串行爬取
自己手动构建一个线程池，把要爬取的100国家都扔到共享队列里面，让多个线程共享爬取
利用concurrent.futures标准库里的线程池来爬去
用多进程来爬取，虽然网页请求是CPU密集型的，用进程有点浪费，但是我们作为对比，是可以试一下的
用协程也叫微线程，是一种绿色线程，用来做高并发很爽

2).为了准确的计算每一种方法的耗时，我们写一个函数专门来计算时间:

140_4.png

下面我们用上面的5种方法逐一运行,为了简单期间我们统一爬取5个国家，每种方法上面用装饰器@cost_time来计算一下，看看到底哪种方便比较简单，速度又最快~~

3.慢慢的串行处理

先来段最通俗的one by one的串行处理

140_5.png

4.手动建多线程共享队列

利用queue有锁的功能，手动把数据塞进队列，然后多个线程共享爬取

140_7.png

5.用标准库里面的线程池

与其动手造轮子，不如用无所不能的库，Python里面的库真的太多太多了！这也是Python为啥这么火爆的原因之一.

140_9.png

发现用系统的线程池跟手动的几乎差不多，但是大家发现没有用轮子来处理，代码量非常小，而且很优美！(这是Python之美，能用轮子尽量用轮子，简洁高效).
有同学会问，有没有什么情况是一定要手动构建线程池，而不能用ThreadPoolExecutor，确实有这样的情况，大家思考一下，不明白的留言给我，偷偷告诉你.

6.用标准库的里进程池

既然上面有线程池，一定有进程池吧。是的，我们下面来看看杀鸡用牛刀的多进程处理，需要几秒呢：

140_11.png

差不多也是5-6秒左右，多进程还是比较快的！但是我们这里是5个国家，如果500个你不可能开100个进程来处理呢，如果碰到非常巨大的并发量，又要节省系统资源，又要速度很快，怎么办呢，我们看最后一招

7.绝招，用协程来并发

用一下gevent这个库,功能强大使用简单，对协程的封装比较好。每当一个协程阻塞时，程序将自动调度，gevent帮我们处理了所有的底层细节

140_13.png

哇协程果然很牛逼，只需要2.8秒左右，非常舒爽的感觉！但是这里因为requests库有个缺点，访问的时候是上一个访问结束，才能进行下一次访问！所以需要用gevent的猴子补丁.另外gevent虽然很好，但是它是大规模并发，如果发起10000个网络请求，估计很快会被封IP！

好我们来总结一下：
同步处理：17秒
异步手动建线程池：5.5秒
异步标准库线程池：5.2秒
异步标准库进程池：5.9秒
并发协程：2.8秒

很明显用Gevent最快，尤其是在大规模的几十万级别的并发处理效果非常明显.

线程池也是一个不错的选择，而且比较灵活，如果需要多个并发任务之间有交互的话，还是需要用线程池.

那进程池呢，我们上面考虑的都是IO 密集型task,如果我们碰到了CPO型的那就必须要多核多CPU运行才能加速。毕竟Python有一个烦人的GIL,

好今天的文章就写到这里，欢迎留言讨论