假设我有一个非常大的列表,我正在执行这样的操作:
for item in items:
try:
api.my_operation(item)
except:
print 'error with item'
我的问题有两个:
- 有很多项目
- api.my_operation 需要很长时间才能返回
我想使用多线程同时启动一堆 api.my_operations,这样我就可以一次处理 5 个或 10 个甚至 100 个项目。
如果 my_operation() 返回异常(因为也许我已经处理了该项目) - 没关系。它不会破坏任何东西。循环可以继续到下一项。
注意:这是针对 Python 2.7.3
最佳答案
首先,在 Python 中,如果您的代码受 CPU 限制,那么多线程将无济于事,因为只有一个线程可以持有全局解释器锁,因此一次运行 Python 代码。所以,你需要使用进程,而不是线程。
如果您的操作“需要永远返回”则不是这样,因为它受 IO 限制,即在网络或磁盘副本等上等待。稍后我会谈到这一点。
接下来,一次处理 5 个或 10 个或 100 个项目的方法是创建一个由 5 个或 10 个或 100 个工作人员组成的池,并将这些项目放入工作人员服务的队列中。幸运的是,标准库 multiprocessing
和 concurrent.futures
库都为您包装了大部分细节。
前者对于传统编程来说更加强大和灵活;如果您需要编写future-waiting,则后者更简单;对于琐碎的情况,您选择哪个并不重要。 (在这种情况下,每个最明显的实现需要 3 行 futures
,4 行 multiprocessing
。)
如果您使用的是 2.6-2.7 或 3.0-3.1,则 futures
不是内置的,但您可以从 PyPI 安装它(pip install futures
)。
最后,如果你可以将整个循环迭代变成一个函数调用(你可以这样做,例如,传递给 map
),那么并行化事情通常会简单得多,所以让我们先这样做:
def try_my_operation(item):
try:
api.my_operation(item)
except:
print('error with item')
把它们放在一起:
executor = concurrent.futures.ProcessPoolExecutor(10)
futures = [executor.submit(try_my_operation, item) for item in items]
concurrent.futures.wait(futures)
如果您有很多相对较小的作业,多处理的开销可能会淹没 yield 。解决这个问题的方法是将工作分批成更大的工作。例如(使用 itertools
recipes 中的 grouper
,您可以将其复制并粘贴到您的代码中,或者从 PyPI 上的 more-itertools
项目中获取):
def try_multiple_operations(items):
for item in items:
try:
api.my_operation(item)
except:
print('error with item')
executor = concurrent.futures.ProcessPoolExecutor(10)
futures = [executor.submit(try_multiple_operations, group)
for group in grouper(5, items)]
concurrent.futures.wait(futures)
最后,如果您的代码是 IO 绑定(bind)的怎么办?然后线程与进程一样好,并且开销更少(并且限制更少,但在这种情况下,这些限制通常不会影响您)。有时,“更少的开销”足以意味着您不需要使用线程进行批处理,但您需要处理进程,这是一个不错的胜利。
那么,如何使用线程而不是进程?只需将 ProcessPoolExecutor
更改为 ThreadPoolExecutor
。
如果您不确定您的代码是 CPU 密集型还是 IO 密集型,请尝试两种方式。
Can I do this for multiple functions in my python script? For example, if I had another for loop elsewhere in the code that I wanted to parallelize. Is it possible to do two multi threaded functions in the same script?
是的。事实上,有两种不同的方法。
首先,您可以共享同一个(线程或进程)执行程序,并在多个地方使用它没有问题。任务和 future 的全部意义在于它们是独立的。您不在乎它们在哪里运行,只需将它们排队并最终得到答案即可。
或者,您可以在同一个程序中拥有两个执行程序,这没有问题。这有性能成本——如果你同时使用两个执行器,你最终会尝试在 8 个内核上运行(例如)16 个繁忙的线程,这意味着会有一些上下文切换。但有时它是值得做的,因为,比如说,两个执行器很少同时忙,它使你的代码更简单。或者,一个执行器正在运行可能需要一段时间才能完成的非常大的任务,而另一个执行器正在运行需要尽快完成的非常小的任务,因为对于部分程序而言,响应能力比吞吐量更重要。
如果您不知道哪个适合您的程序,通常是第一个。
关于multithreading - 如何在 Python 中的循环内多线程操作,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15143837/