multiprocessing本身是Python的多进程库,用来处理与多进程相关的操作。但是由于进程与进程之间不能直接共享内存和堆栈资源,而且启动新的进程开销也比线程大得多,因此使用多线程来爬取比使用多进程有更多的优势。multiprocessing下面有一个dummy模块,它可以让Python的线程使用multiprocessing的各种方法。
dummy下面有一个Pool类,它用来实现线程池。这个线程池有一个map()方法,可以让线程池里面的所有线程都“同时”执行一个函数。
例如计算0~9的每个数的平方。
在学习了for循环之后,代码可能会写成这样:
for i in range(10):
print(i ** i)
这种写法当然可以得到结果,但是代码是一个数一个数地计算,效率并不高。而如果使用多线程的技术,让代码同时计算很多个数的平方,就需要使用multiprocessing.dummy来实现:
from multiprocessing.dummy import Pool
def calc_power2(num):
return num * num
pool = Pool(3)
origin_num = [x for x in range(10)]
result = pool.map(calc_power2, origin_num)
print(f'计算0-9的平方分别为:{result}')
在上面的代码中,先定义了一个函数用来计算平方,然后初始化了一个有3个线程的线程池。这3个线程负责计算10个数字的平方,谁先计算完手上的这个数,谁就先取下一个数继续计算,直到把所有的数字都计算完成为止。
总结一下这个多线程用法
from multiprocessing.dummy import Pool
def hanshu(canshu):
return canshu+2
xiancheng = Pool(3)
canshujihe = [1,2,3,4,5]
shuchujieguo = xiancheng.map(hanshu,canshujihe)
print(shuchujieguo)
from multiprocessing.dummy import Pool 这一行表示导入库模块 def hanshu(canshu): return canshu+2 上面两行是一个函数,函数有参数,有返回值 xiancheng = Pool(3) 设置几个线程,这里设置了3个线程 canshujihe = [1,2,3,4,5] 这里弄了一个参数的集合 shuchujieguo = xiancheng.map(hanshu,canshujihe) 输出的结果=线程设置.map(函数名不含括号,参数集合) print(shuchujieguo)
打印结果