python进程池内存一直上涨(python线程池内存耗尽)


前言

大家好,我是星期八。

我们都知道,不管是Java,还是C++,还是Go,还是Python,都是有线程这个概念的。

但是我们知道,线程是不能随便创建的,就像每招一个员工一样,是有代价的,无限制招人肯定最后各种崩溃。

所以通常情况下,我们会引出线程池这个概念。

本质就是我就招了几个固定的员工,给他们派活,某一个人的活干完了再去任务中心领取新的活。

防止任务太多,一次性招太多工人,最后系统崩溃。

开心一刻

理想的多线程

一篇文章浅析Python自带的线程池和进程池

实际的多线程

一篇文章浅析Python自带的线程池和进程池

from concurrent.futures import …

可能也是因为线程池这个东西用的越来越多了吧,从Python3.2+之后,就成了内置模块

对的,直接就能使用,不需要pip进行安装什么的。

concurrent.futures下面主要有俩接口。

  • ThreadPoolExecutor 线程池。
  • ProcessPoolExecutor进程池。

这里可没有什么所谓的异步池。

个人看法:虽然异步的性能很高,但是目前除了Go以外,其他实现的都不是太好,用法上面有些怪异,当然,你们可以说我菜,我承认。

线程池

示例代码

import time
from concurrent.futures import ThreadPoolExecutor
import random


# max_workers表示工人数量,也就是线程池里面的线程数量
pool = ThreadPoolExecutor(max_workers=10)
# 任务列表
task_list = ["任务1", "任务2", "任务3", "任务4", ]


def handler(task_name):
    # 随机睡眠,模仿任务执行时间不确定性
    n = random.randrange(5)
    time.sleep(n)
    print(f"任务内容:{task_name}")


if __name__ == '__main__':
    # 遍历任务,
    for task in task_list:
        """
            交给函数处理,submit会将所有任务都提交到一个地方,不会阻塞
            然后线程池里面的每个线程会来取任务,
            比如:线程池有3个线程,但是有5个任务
            会先取走三个任务,每个线程去处理
            其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务
        """
        pool.submit(handler, task)
    print("main执行完毕")

执行结果

一篇文章浅析Python自带的线程池和进程池

发现的问题

其实这个就是并发的,不要怀疑,但是你有没有发现个问题,main先执行,这说明啥?

这说明,我main跑完之后,是不管子线程的死活的。

那能不能设置一下,所有的子线程都执行完之后main函数在执行完?

当然可以,需要一个参数即可。

pool.shutdown()

要完成上述的问题,我们需要一个参数,加上这个参数之后。

就可以让主线程等待所有子线程执行完之后,主线程再执行完

示例代码

...
if __name__ == '__main__':
    # 遍历任务,
    for task in task_list:
        """
            交给函数处理,submit会将所有任务都提交到一个地方
            然后线程池里面的每个线程会来取任务,
            比如:线程池有3个线程,但是有5个任务
            会先取走三个任务,每个线程去处理
            其中一个线程处理完自己的任务之后,会再来提交过的任务区再拿走一个任务
        """
        pool.submit(handler, task)
    pool.shutdown()
    print("main执行完毕")

主要就是13行的pool.shutdown()。

执行结果

一篇文章浅析Python自带的线程池和进程池

这次结果就是我们想要的了,hhh!!!

add_done_callback

add_done_callback可以理解为是回调函数,线程执行完之后,会自动调用指定的回调函数。

并且能拿到线程执行函数的返回值

有什么用,我也没用过,怪我才疏学浅叭。

示例代码

import time
from concurrent.futures import ThreadPoolExecutor
import random
from concurrent.futures._base import Future


# max_workers表示工人数量,也就是线程池里面的线程数量
pool = ThreadPoolExecutor(max_workers=10)
# 任务列表
task_list = ["任务1", "任务2", "任务3", "任务4", ]

def handler(task_name):
    # 随机睡眠,模仿任务执行时间不确定性
    n = random.randrange(5)
    time.sleep(n)
    print(f"任务内容:{task_name}")
    return f"任务内容:{task_name}"


def done(res: Future):
    print("done拿到的返回值:", res.result())


if __name__ == '__main__':
    # 遍历任务,
    for task in task_list:
        futrue = pool.submit(handler, task)  # type:Future
        futrue.add_done_callback(done)
    pool.shutdown()
    print("main执行完毕")

注意:第17,27,28行代码!

执行效果

一篇文章浅析Python自带的线程池和进程池

我想,可能通常用在一些善后工作叭。

多进程方式

其实通过上述几个例子,我们基本是知道怎么使用上面这个线程池了。

但是都知道Python的线程,因为GIL(全局解释器锁)的原因,是不能并发到多个物理核心上的。

所以是IO密集型的,像爬虫,读写文件,使用线程池是ok的。

但是如果说我就是野,就是头铁,非要用Python做计算型应用,像图片压缩、视频流推送,那没办法,需要使用多进程池方式。

其实通过concurrent这个接口,可以很方便的创建进程池,只需要修改两个地方。


...
# 改成导入进程池方式
from concurrent.futures import ProcessPoolExecutor
...
if __name__ == '__main__':
    ...
    # 进程池方式
    pool = ProcessPoolExecutor(max_workers=10)
    ...

只需要修改这俩地方即可,其他和上述用法一摸一样。

总结

本篇主要讲的是Python自带的线程池进程池

比较有特色的是,ThreadPoolExecutor,ProcessPoolExecutor的接口是一样的。

只需要修改导入的包就行。

concurrent的接口主要有pool.submit(),pool.shutdown(),futrue.add_done_callback()。

基本这几个都够自己用了。

如果在操作过程中有任何问题,记得下面留言,我们看到会第一时间解决问题。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发表评论

登录后才能评论