高效编程之 concurrent.future

背景

我们知道 Python 中有多线程threading 和多进程multiprocessing 实现并发，

但是这两个东西开销很大，一是开启线程/进程的开销，二是主程序和子程序之间的通信需要序列化和反序列化，

所以有些时候需要使用更加高级的用法，然而这些高级用法十分复杂，而且 threading 和 multiprocessing 用法还不一样。

于是诞生了 concurrent.future

1. 它可以解决大部分的复杂问题　　　　　　【但并不是全部，如果尝试后效果不好，还需要使用他们的高级用法】

2. 而且统一了线程和进程的用法

concurrent.future 提供了 ThreadPoolExecutor 和 ProcessPoolExecutor 两个类，其实是对线程池和进程池的进一步抽象，而且具有以下特点：

3. 主程序可以获取子程序的状态和返回值

4. 子程序完成时，主程序能立刻知道

效率验证

求最大公约数，测试数据如下

def gcd(pair):
    # 最大公约数
    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), (2030677, 3814172), (1551645, 2229620), (2039045, 2020802)]

无并发

sum = 0
for i in range(20):
    start = time.time()
    results = list(map(gcd, numbers))
    end = time.time()
    sum += end - start

print(sum/20)           # 0.6637879729270935

多线程

from concurrent.futures import ThreadPoolExecutor
sum = 0
for i in range(20):
    start = time.time()
    pool = ThreadPoolExecutor(max_workers=3)
    results = list(pool.map(gcd, numbers))
    end = time.time()
    sum += end - start

print(sum/20)              # 0.9184025406837464

分析：由于全局解释器锁GIL的存在，多线程无法利用多核CPU进行并行计算，而是只使用了一个核，加上本身的开销，计算效率更低了。

通过资源管理器查看 CPU 使用率：25%左右　　　　【4核，用了一个】

多进程

from concurrent.futures import ProcessPoolExecutor


if __name__ == '__main__':
    sum = 0
    for i in range(20):
        start = time.time()
        pool = ProcessPoolExecutor(max_workers=3)
        results = list(pool.map(gcd, numbers))
        end = time.time()
        sum += end - start

    print(sum/20)               # 0.8655495047569275

分析：利用多核CPU并行计算，比多线程快了点，但是由于本身的开销，还是没有无并发效率高，

通过资源管理器查看 CPU 使用率：75%左右　　　　【4核，用了三个，max_workers=3】

这主要是数据量太小了，体现不出并发的优势，于是我把数据量稍微加大点

numbers = [(1963309, 2265973), (2030677, 3814172), (1551645, 2229620), (2039045, 2020802)] * 10

重新测试，无并发 7s，多进程 2s，效果明显提高。

注意，在使用多进程时，必须把多进程代码写在 if __name__ == '__main__' 下面，否则异常，甚至报错

concurrent.futures.process.BrokenProcessPool: A process in the process pool was terminated abruptly while the future was running or pending.

小结：多线程不适合计算密集型，适合IO密集型，后面我会验证，多进程适合计算密集型。

API 用法

具体方法参照参考资料，非常简单，这里我就不写了。

参考资料：

https://www.jianshu.com/p/b9b3d66aa0be