python concurrent.futures

本文内容纲要：

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 defgcd(pair): a,b=pair low=min(a,b) foriinrange(low,0,-1): ifa%i==0andb%i==0: returni numbers=[ (1963309,2265973),(1879675,2493670),(2030677,3814172), (1551645,2229620),(1988912,4736670),(2198964,7876293) ]

不使用多线程/多进程

importtime

start=time.time() results=list(map(gcd,numbers)) end=time.time() printTook%.3fseconds.%(end-start)

Took2.507seconds.

消耗时间是：2.507。

多线程ThreadPoolExecutor

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor

start=time.time() pool=ThreadPoolExecutor(max_workers=2) results=list(pool.map(gcd,numbers)) end=time.time() printTook%.3fseconds.%(end-start)

Took2.840seconds.

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

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor

start=time.time() pool=ProcessPoolExecutor(max_workers=2) results=list(pool.map(gcd,numbers)) end=time.time() printTook%.3fseconds.%(end-start)

Took1.861seconds.

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。

classExecutor(object): """Thisisanabstractbaseclassforconcreteasynchronousexecutors.""" defsubmit(self,fn,*args,**kwargs): """Submitsacallabletobeexecutedwiththegivenarguments. Schedulesthecallabletobeexecutedasfn(*args,**kwargs)andreturns aFutureinstancerepresentingtheexecutionofthecallable. Returns: AFuturerepresentingthegivencall. """ raiseNotImplementedError() defmap(self,fn,*iterables,**kwargs): """Returnsaiteratorequivalenttomap(fn,iter). Args: fn:Acallablethatwilltakeasmanyargumentsasthereare passediterables. timeout:Themaximumnumberofsecondstowait.IfNone,thenthere isnolimitonthewaittime. Returns: Aniteratorequivalentto:map(func,*iterables)butthecallsmay beevaluatedout-of-order. Raises: TimeoutError:Iftheentireresultiteratorcouldnotbegenerated beforethegiventimeout. Exception:Iffn(*args)raisesforanyvalues. """ timeout=kwargs.get(timeout) iftimeoutisnotNone: end_time=timeout+time.time() fs=[self.submit(fn,*args)forargsinitertools.izip(*iterables)] #Yieldmustbehiddeninclosuresothatthefuturesaresubmitted #beforethefirstiteratorvalueisrequired. defresult_iterator(): try: forfutureinfs: iftimeoutisNone: yieldfuture.result() else: yieldfuture.result(end_time-time.time()) finally: forfutureinfs: future.cancel() returnresult_iterator() defshutdown(self,wait=True): """Clean-uptheresourcesassociatedwiththeExecutor. Itissafetocallthismethodseveraltimes.Otherwise,noother methodscanbecalledafterthisone. Args: wait:IfTruethenshutdownwillnotreturnuntilallrunning futureshavefinishedexecutingandtheresourcesusedbythe executorhavebeenreclaimed. """ pass def__enter__(self): returnself def__exit__(self,exc_type,exc_val,exc_tb): self.shutdown(wait=True) returnFalse

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。

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor start=time.time() withProcessPoolExecutor(max_workers=2)aspool: results=list(pool.map(gcd,numbers)) printresults:%s%results end=time.time() printTook%.3fseconds.%(end-start)

产出结果是：

results:[1,5,1,5,2,3] Took1.617seconds.

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。

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor start=time.time() futures=list() withProcessPoolExecutor(max_workers=2)aspool: forpairinnumbers: future=pool.submit(gcd,pair) futures.append(future) printresults:%s%[future.result()forfutureinfutures] end=time.time() printTook%.3fseconds.%(end-start)

产出结果是：

results:[1,5,1,5,2,3] Took2.289seconds. 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

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor,as_completed start=time.time() withProcessPoolExecutor(max_workers=2)aspool: futures=[pool.submit(gcd,pair)forpairinnumbers] forfutureinfutures: print执行中:%s,已完成:%s%(future.running(),future.done()) print####分界线#### forfutureinas_completed(futures,timeout=2): print执行中:%s,已完成:%s%(future.running(),future.done()) end=time.time() printTook%.3fseconds.%(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。

importtime fromconcurrent.futuresimportThreadPoolExecutor,ProcessPoolExecutor,Executor,as_completed,wait,ALL_COMPLETED,FIRST_COMPLETED,FIRST_EXCEPTION start=time.time() withProcessPoolExecutor(max_workers=2)aspool: futures=[pool.submit(gcd,pair)forpairinnumbers] forfutureinfutures: 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) fordindone: print执行中:%s,已完成:%s%(d.running(),d.done()) printd.result() end=time.time() printTook%.3fseconds.%(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 Took1.518seconds.

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 Took1.517seconds.

本文内容总结：

原文链接：https://www.cnblogs.com/kangoroo/p/7628092.html