Python中多线程和多处理的初学者指南

前言

使用Python分析数据，如果使用了正确的数据结构和算法，有时可以大量提高程序的速度。实现此目的的一种方法是使用Muiltithreading（多线程）或Multiprocessing（多重处理）。

在这篇文章中，我们不会详细讨论多线程或多处理的内部原理。相反，我们举一个例子，编写一个小的Python脚本从Unsplash下载图像。我们将从一次下载一个图像的版本开始。接下来，我们使用线程来提高执行速度。

多线程

简单地说，线程允许您并行地运行程序。花费大量时间等待外部事件的任务通常适合线程化。它们也称为I/O Bound任务例如从文件中读写，网络操作或使用API在线下载。让我们来看一个示例，它展示了使用线程的好处。

没有线程

在本例中，我们希望通过顺序运行程序来查看从Unsplash API下载15张图像需要多长时间:

import requestsimport timeimg_urls = [ 'https://images.unsplash.com/photo-1516117172878-fd2c41f4a759', 'https://images.unsplash.com/photo-1532009324734-20a7a5813719', 'https://images.unsplash.com/photo-1524429656589-6633a470097c', 'https://images.unsplash.com/photo-1530224264768-7ff8c1789d79', 'https://images.unsplash.com/photo-1564135624576-c5c88640f235', 'https://images.unsplash.com/photo-1541698444083-023c97d3f4b6', 'https://images.unsplash.com/photo-1522364723953-452d3431c267', 'https://images.unsplash.com/photo-1513938709626-033611b8cc03', 'https://images.unsplash.com/photo-1507143550189-fed454f93097', 'https://images.unsplash.com/photo-1493976040374-85c8e12f0c0e', 'https://images.unsplash.com/photo-1504198453319-5ce911bafcde', 'https://images.unsplash.com/photo-1530122037265-a5f1f91d3b99', 'https://images.unsplash.com/photo-1516972810927-80185027ca84', 'https://images.unsplash.com/photo-1550439062-609e1531270e', 'https://images.unsplash.com/photo-1549692520-acc6669e2f0c']start = time.perf_counter() #start timerfor img_url in img_urls: img_name = img_url.split('/')[3] #get image name from url img_bytes = requests.get(img_url).contentwith open(img_name, 'wb') as img_file: img_file.write(img_bytes) #save image to disk finish = time.perf_counter() #end timerprint(f'Finished in {round(finish-start,2)} seconds') #resultsFinished in 23.101926751 seconds

一共用时​23秒。

多线程

让我们看看Pyhton中的线程模块如何显著地改进我们的程序执行：

import timefrom concurrent.futures import ThreadPoolExecutordef download_images(url):    img_name = img_url.split('/')[3]    img_bytes = requests.get(img_url).content    with open(img_name, 'wb') as img_file:         img_file.write(img_bytes)         print(f'{img_name} was downloaded')start = time.perf_counter() #start timerwith ThreadPoolExecutor() as executor:    results = executor.map(download_images,img_urls) #this is Similar to map(func, *iterables)finish = time.perf_counter() #end timerprint(f'Finished in {round(finish-start,2)} seconds')#results Finished in 5.544147536 seconds

我们可以看到，与不使用线程代码相比，使用线程代码可以显著提高速度。从23秒到5秒。

对于本例，请注意在创建线程时存在开销，因此将线程用于多个API调用是有意义的，而不仅仅是单个调用。

此外，对于密集的计算，如数据处理，图像处理多处理比线程执行得更好。

参考：
https://dev.to/mojemoron/a-beginners-guide-to-multithreading-and-multiprocessing-in-python-part-1-n6h