python concurrent.futures
Posted ExplorerMan
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python concurrent.futures相关的知识，希望对你有一定的参考价值。
python因为其全局解释器锁GIL而无法通过线程实现真正的平行计算。这个论断我们不展开，但是有个概念我们要说明，IO密集型 vs. 计算密集型。
IO密集型：读取文件，读取网络套接字频繁。
计算密集型：大量消耗CPU的数学与逻辑运算，也就是我们这里说的平行计算。
而concurrent.futures模块，可以利用multiprocessing实现真正的平行计算。
核心原理是：concurrent.futures会以子进程的形式，平行的运行多个python解释器，从而令python程序可以利用多核CPU来提升执行速度。由于子进程与主解释器相分离，所以他们的全局解释器锁也是相互独立的。每个子进程都能够完整的使用一个CPU内核。
第一章 concurrent.futures性能阐述
- 最大公约数
这个函数是一个计算密集型的函数。
# -*- coding:utf-8 -*-
# 求最大公约数
def gcd(pair):
a, b = pair
low = min(a, b)
for i in range(low, 0, -1):
if a % i == 0 and b % i == 0:
return i
numbers = [
(1963309, 2265973), (1879675, 2493670), (2030677, 3814172),
(1551645, 2229620), (1988912, 4736670), (2198964, 7876293)
]
- 不使用多线程/多进程
import time start = time.time() results = list(map(gcd, numbers)) end = time.time() print \'Took %.3f seconds.\' % (end - start) Took 2.507 seconds.
消耗时间是：2.507。
- 多线程ThreadPoolExecutor
import time from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor start = time.time() pool = ThreadPoolExecutor(max_workers=2) results = list(pool.map(gcd, numbers)) end = time.time() print \'Took %.3f seconds.\' % (end - start) Took 2.840 seconds.
消耗时间是：2.840。
上面说过gcd是一个计算密集型函数，因为GIL的原因，多线程是无法提升效率的。同时，线程启动的时候，有一定的开销，与线程池进行通信，也会有开销，所以这个程序使用了多线程反而更慢了。
- 多进程ProcessPoolExecutor
import time from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor start = time.time() pool = ProcessPoolExecutor(max_workers=2) results = list(pool.map(gcd, numbers)) end = time.time() print \'Took %.3f seconds.\' % (end - start) Took 1.861 seconds.
消耗时间：1.861。
在两个CPU核心的机器上运行多进程程序，比其他两个版本都快。这是因为，ProcessPoolExecutor类会利用multiprocessing模块所提供的底层机制，完成下列操作：
1）把numbers列表中的每一项输入数据都传给map。
2）用pickle模块对数据进行序列化，将其变成二进制形式。
3）通过本地套接字，将序列化之后的数据从煮解释器所在的进程，发送到子解释器所在的进程。
4）在子进程中，用pickle对二进制数据进行反序列化，将其还原成python对象。
5）引入包含gcd函数的python模块。
6）各个子进程并行的对各自的输入数据进行计算。
7）对运行的结果进行序列化操作，将其转变成字节。
8）将这些字节通过socket复制到主进程之中。
9）主进程对这些字节执行反序列化操作，将其还原成python对象。
10）最后，把每个子进程所求出的计算结果合并到一份列表之中，并返回给调用者。
multiprocessing开销比较大，原因就在于：主进程和子进程之间通信，必须进行序列化和反序列化的操作。
第二章 concurrent.futures源码分析
- Executor
可以任务Executor是一个抽象类，提供了如下抽象方法submit，map(上面已经使用过)，shutdown。值得一提的是Executor实现了__enter__和__exit__使得其对象可以使用with操作符。关于上下文管理和with操作符详细请参看这篇博客http://www.cnblogs.com/kangoroo/p/7627167.html
ThreadPoolExecutor和ProcessPoolExecutor继承了Executor，分别被用来创建线程池和进程池的代码。
class Executor(object):
"""This is an abstract base class for concrete asynchronous executors."""
def submit(self, fn, *args, **kwargs):
"""Submits a callable to be executed with the given arguments.
Schedules the callable to be executed as fn(*args, **kwargs) and returns
a Future instance representing the execution of the callable.
Returns:
A Future representing the given call.
"""
raise NotImplementedError()
def map(self, fn, *iterables, **kwargs):
"""Returns a iterator equivalent to map(fn, iter).
Args:
fn: A callable that will take as many arguments as there are
passed iterables.
timeout: The maximum number of seconds to wait. If None, then there
is no limit on the wait time.
Returns:
An iterator equivalent to: map(func, *iterables) but the calls may
be evaluated out-of-order.
Raises:
TimeoutError: If the entire result iterator could not be generated
before the given timeout.
Exception: If fn(*args) raises for any values.
"""
timeout = kwargs.get(\'timeout\')
if timeout is not None:
end_time = timeout + time.time()
fs = [self.submit(fn, *args) for args in itertools.izip(*iterables)]
# Yield must be hidden in closure so that the futures are submitted
# before the first iterator value is required.
def result_iterator():
try:
for future in fs:
if timeout is None:
yield future.result()
else:
yield future.result(end_time - time.time())
finally:
for future in fs:
future.cancel()
return result_iterator()
def shutdown(self, wait=True):
"""Clean-up the resources associated with the Executor.
It is safe to call this method several times. Otherwise, no other
methods can be called after this one.
Args:
wait: If True then shutdown will not return until all running
futures have finished executing and the resources used by the
executor have been reclaimed.
"""
pass
def __enter__(self):
return self
def __exit__(self, exc_type, exc_val, exc_tb):
self.shutdown(wait=True)
return False
下面我们以线程ProcessPoolExecutor的方式说明其中的各个方法。
- map
map(self, fn, *iterables, **kwargs)
map方法的实例我们上面已经实现过，值得注意的是，返回的results列表是有序的，顺序和*iterables迭代器的顺序一致。
这里我们使用with操作符，使得当任务执行完成之后，自动执行shutdown函数，而无需编写相关释放代码。
import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor
start = time.time()
with ProcessPoolExecutor(max_workers=2) as pool:
results = list(pool.map(gcd, numbers))
print \'results: %s\' % results
end = time.time()
print \'Took %.3f seconds.\' % (end - start)
产出结果是：
results: [1, 5, 1, 5, 2, 3] Took 1.617 seconds.
- submit
submit(self, fn, *args, **kwargs)
submit方法用于提交一个可并行的方法，submit方法同时返回一个future实例。
future对象标识这个线程/进程异步进行，并在未来的某个时间执行完成。future实例表示线程/进程状态的回调。
import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor
start = time.time()
futures = list()
with ProcessPoolExecutor(max_workers=2) as pool:
for pair in numbers:
future = pool.submit(gcd, pair)
futures.append(future)
print \'results: %s\' % [future.result() for future in futures]
end = time.time()
print \'Took %.3f seconds.\' % (end - start)
产出结果是：
results: [1, 5, 1, 5, 2, 3] Took 2.289 seconds.
- future
submit函数返回future对象，future提供了跟踪任务执行状态的方法。比如判断任务是否执行中future.running()，判断任务是否执行完成future.done()等等。
as_completed方法传入futures迭代器和timeout两个参数
默认timeout=None，阻塞等待任务执行完成，并返回执行完成的future对象迭代器，迭代器是通过yield实现的。
timeout>0，等待timeout时间，如果timeout时间到仍有任务未能完成，不再执行并抛出异常TimeoutError
import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor, as_completed
start = time.time()
with ProcessPoolExecutor(max_workers=2) as pool:
futures = [ pool.submit(gcd, pair) for pair in numbers]
for future in futures:
print \'执行中:%s, 已完成:%s\' % (future.running(), future.done())
print \'#### 分界线 ####\'
for future in as_completed(futures, timeout=2):
print \'执行中:%s, 已完成:%s\' % (future.running(), future.done())
end = time.time()
print \'Took %.3f seconds.\' % (end - start)
- wait
wait方法接会返回一个tuple(元组)，tuple中包含两个set(集合)，一个是completed(已完成的)另外一个是uncompleted(未完成的)。
使用wait方法的一个优势就是获得更大的自由度，它接收三个参数FIRST_COMPLETED, FIRST_EXCEPTION和ALL_COMPLETE，默认设置为ALL_COMPLETED。
import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, Executor, as_completed, wait, ALL_COMPLETED, FIRST_COMPLETED, FIRST_EXCEPTION
start = time.time()
with ProcessPoolExecutor(max_workers=2) as pool:
futures = [ pool.submit(gcd, pair) for pair in numbers]
for future in futures:
print \'执行中:%s, 已完成:%s\' % (future.running(), future.done())
print \'#### 分界线 ####\'
done, unfinished = wait(futures, timeout=2, return_when=ALL_COMPLETED)
for d in done:
print \'执行中:%s, 已完成:%s\' % (d.running(), d.done())
print d.result()
end = time.time()
print \'Took %.3f seconds.\' % (end - start)
由于设置了ALL_COMPLETED，所以wait等待所有的task执行完成，可以看到6个任务都执行完成了。
执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:False, 已完成:False 执行中:False, 已完成:False #### 分界线 #### 执行中:False, 已完成:True 执行中:False, 已完成:True 执行中:False, 已完成:True 执行中:False, 已完成:True 执行中:False, 已完成:True 执行中:False, 已完成:True Took 1.518 seconds.
如果我们将配置改为FIRST_COMPLETED，wait会等待直到第一个任务执行完成，返回当时所有执行成功的任务。这里并没有做并发控制。
重跑，结构如下，可以看到执行了2个任务。
执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:True, 已完成:False 执行中:False, 已完成:False 执行中:False, 已完成:False #### 分界线 #### 执行中:False, 已完成:True 执行中:False, 已完成:True Took 1.517 seconds.
以上是关于python concurrent.futures的主要内容，如果未能解决你的问题，请参考以下文章
python的multiprocessing和concurrent.futures有啥区别？
Python：Concurrent.Futures 错误 [TypeError：'NoneType' 对象不可调用]