如何使用多线程加速Python代码

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！

分享题目：如何使用多线程加速Python代码
当前地址：http://6mz.cn/article/jpcpcp.html

网站建设知识

如何使用多线程加速Python代码

其他资讯