进程池协程与I/O模型

Posted 2022-07-16 cpsyche

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了进程池协程与I/O模型相关的知识，希望对你有一定的参考价值。

一.进程池与线程池

进程池：限制进程创建的数量，使用时直接从进程池，获取空闲进程去执行任务，减少创建和销毁进程带来的时间消耗；如果进程的数量没有达到最大数量，且没有空闲进程去执行　　　　任务，就会再创建一个新的进程，放入进程池去执行任务；如果进程池中的进程数量达到最大数量，没有空闲进程去，这是任务需要等待某个进程成为空闲进程之后，

　　　　再去执行任务。

from concurrent.futures import ProcessPoolExecutor

import time
import os

# 池子中创建的进程/线程创建会被保存在进程/线程池中
# 会调用进程/线程池中的进程/线程去执行任务
# 节省了反复开辟进程/线程的资源
pool = ProcessPoolExecutor()  # 默认是当前计算机cpu的个数

def task(n):
    print(n,os.getpid())  # 查看当前进程号
    time.sleep(2)


if __name__ == ‘__main__‘:

    for i in range(20):
        res = pool.submit(task,i)

View Code

ps:当进程池满后，没有kill进程的情况下，会使用进程池中的进程去执行任务，不会再去创建新的进程。

线程池：同进程池概念类似。

from concurrent.futures import ThreadPoolExecutor

import time


# 池子中创建的进程/线程创建会被保存在进程/线程池中
# 会调用进程/线程池中的进程/线程去执行任务
# 节省了反复开辟进程/线程的资源
pool = ThreadPoolExecutor(5)  # 括号内可以传参数指定线程池内的线程个数
# 也可以不传  不传默认是当前所在计算机的cpu个数乘5

def task(n):
    print(n)  # 查看当前进程号
    time.sleep(2)


for i in range(20):
    res = pool.submit(task,i)

View Code

进程异步：

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
import time
import os


pool = ProcessPoolExecutor()  # 默认是当前计算机cpu的个数

# 池子中创建的进程/线程创建会被保存在进程/线程池中
# 会调用进程/线程池中的进程/线程去执行任务
# 节省了反复开辟进程/线程的资源

def task(n):
    print(n,os.getpid())  # 查看当前进程号
    time.sleep(2)
    return n**2


def call_back(n):
    print(‘拿到了异步提交任务的返回结果:‘,n.result())
"""
提交任务的方式
    同步：提交任务之后 原地等待任务的返回结果 期间不做任何事
    异步：提交任务之后 不等待任务的返回结果  通过回调方式获得异步返回值 直接执行下一行代码
"""

"""
异步回调机制:当异步提交的任务有返回结果之后，会自动触发回调函数的执行

"""
if __name__ == ‘__main__‘:

    t_list = []
    for i in range(20):
        res = pool.submit(task,i).add_done_callback(call_back)  # 提交任务的时候 绑定一个回调函数 一旦该任务有结果 立刻执行对于的回调函数
   
        t_list.append(res)