建站
咨询
售后
建站咨询
这篇文章主要介绍如何使用多线程加速Python代码，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
创新互联公司是一家集网站建设,花溪企业网站建设,花溪品牌网站建设,网站定制,花溪网站建设报价,网络营销,网络优化,花溪网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
很多时候，我们大部分使用Python编写代码，python因为其简洁，在一些小功能的开发确实快一些，当我们的代码执行远程请求或读取多个文件或对某些数据进行处理。在很多情况下下，我们大家都是利用循环去读取，这种方法要花很长时间才能完成执行。
import requests
from time import time
url_list = [
"https://via.placeholder.com/400",
"https://via.placeholder.com/410",
"https://via.placeholder.com/420",
"https://via.placeholder.com/430",
"https://via.placeholder.com/440",
"https://via.placeholder.com/450",
"https://via.placeholder.com/460",
"https://via.placeholder.com/470",
"https://via.placeholder.com/480",
"https://via.placeholder.com/490",
"https://via.placeholder.com/500",
"https://via.placeholder.com/510",
"https://via.placeholder.com/520",
"https://via.placeholder.com/530",
]
def download_file(url):
html = requests.get(url, stream=True)
return html.status_code
start = time()
for url in url_list:
print(download_file(url))
print(f'Time taken: {time() - start}')输出：
Time taken: 4.128157138824463
这是很明显的案例，这段代码将依次打开每个URL，等待其加载，打印其状态代码，然后再移至下一个URL。如果用上面的写法将十分耗时，这种代码非常适合用于多线程。
利用多线程，您可以以非常低的开销同时执行多个任务。接下来我们去试一下。
我们使用 current.futures 库的ThreadPoolExecutor实现多线程。然后我们写一下多线程代码，并解释原理。
import requests
from concurrent.futures import ThreadPoolExecutor, as_completed
from time import time
url_list = [
"https://via.placeholder.com/400",
"https://via.placeholder.com/410",
"https://via.placeholder.com/420",
"https://via.placeholder.com/430",
"https://via.placeholder.com/440",
"https://via.placeholder.com/450",
"https://via.placeholder.com/460",
"https://via.placeholder.com/470",
"https://via.placeholder.com/480",
"https://via.placeholder.com/490",
"https://via.placeholder.com/500",
"https://via.placeholder.com/510",
"https://via.placeholder.com/520",
"https://via.placeholder.com/530",
]
def download_file(url):
html = requests.get(url, stream=True)
return html.status_code
start = time()
processes = []
with ThreadPoolExecutor(max_workers=10) as executor:
for url in url_list:
processes.append(executor.submit(download_file, url))
for task in as_completed(processes):
print(task.result())
print(f'Time taken: {time() - start}')输出：
Time taken: 0.4583399295806885
代码处理速度增加了9倍！如果有更多的URL，则性能差异应该更明显。
为什么多线程速度那么快。当我们在调用executor.submit时，我们往线程池添加一个新的任务。
那到底是怎么回事？调用时，executor.submit我们正在向线程池添加新任务。连接其存储起来，之后我们将便利调用任务，并打印结果。
as_completed方法是用来在一个任务完成后，立即从任务列表拿出一个任务去执行。只有已经执行完成或者被取消，任务才会标记为完成状态。我们也可以向其传递一个超时参数，如果任务花费的时间超过该时间段，则即使也会as_completed切换任务。
以上是“如何使用多线程加速Python代码”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！
网站名称：如何使用多线程加速Python代码
标题链接：http://lswzjz.com/article/jpcpcp.html
