快捷導(dǎo)航

python 如何用map()函數(shù)創(chuàng)建多線程任務(wù)

更新時(shí)間：2021年04月07日 15:33:08 作者：一只失業(yè)的小菜鳥(niǎo)

這篇文章主要介紹了python 使用map()函數(shù)創(chuàng)建多線程任務(wù)的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

對(duì)于多線程的使用，我們經(jīng)常是用thread來(lái)創(chuàng)建，比較繁瑣. 在Python中，可以使用map函數(shù)簡(jiǎn)化代碼。map可以實(shí)現(xiàn)多任務(wù)的并發(fā)

簡(jiǎn)單說(shuō)明map()實(shí)現(xiàn)多線程原理：

task = [‘任務(wù)1', ‘任務(wù)2', ‘任務(wù)3', …]

map 函數(shù)一手包辦了序列操作、參數(shù)傳遞和結(jié)果保存等一系列的操作，map函數(shù)負(fù)責(zé)將線程分給不同的CPU。

在 Python 中有個(gè)兩個(gè)庫(kù)包含了 map 函數(shù)： multiprocessing 和它鮮為人知的子庫(kù) multiprocessing.dummy.dummy 是 multiprocessing 模塊的完整克隆，唯一的不同在于 multiprocessing 作用于進(jìn)程，而 dummy 模塊作用于線程。

代碼如下：

from multiprocessing.dummy import Pool as ThreadPool
import os
import requests
import time
import numpy as np
# 文件夾位置
filepath = r'C:\Users\Administrator\Desktop\ceshi'
pool = ThreadPool(10)#開(kāi)啟線程數(shù),即一次性拋出的請(qǐng)求數(shù)
time_list = []#用來(lái)計(jì)算時(shí)間
xml_list = []#數(shù)據(jù)集
pathDir = os.listdir(filepath)
for i, allDir in enumerate(pathDir):
 filename = os.path.join('%s%s' % (filepath + '\\', allDir))
 kk = open(filename, 'r', encoding='utf-8').read()
 data = kk.encode('utf-8')
 for k in range(10):
  xml_list.append(data)
def res(data):
 # 訪問(wèn)目標(biāo)服務(wù)器地址
 url_host = 'https://mp.csdn.net/mdeditor#'
 start = time.clock()
 s = requests.post(url_host, data=data)
 end = time.clock()
 if s.status_code == 200:
  print(end-start)
  time_list.append(end-start)
 else:
  print('請(qǐng)求失敗')
# 傳入的參數(shù),1為函數(shù), 2為參數(shù)
result = pool.map(res, xml_list)
all_arr = np.array(time_list)
aver = np.mean(all_arr)
variance = np.var(all_arr)
mid = np.median(all_arr)
min_num = np.min(all_arr)
max_num = np.max(all_arr)
print('平均值 : '+ str(aver))
print('方差 : ' + str(variance))
print('中值 : ' + str(mid))
print('最小值 : ' + str(min_num))
print('最大值 : ' + str(max_num))

個(gè)人做的小測(cè)試，如果有錯(cuò)誤的地方希望留言提出意見(jiàn)及建議。

補(bǔ)充：python多進(jìn)程(multiprocessing)(map)

map的基本使用：

map函數(shù)一手包辦了序列操作，參數(shù)傳遞和結(jié)果保存等一系列的操作。

from multiprocessing.dummy import Pool
poop = Pool(4)  # 4代表電腦是多少核的
results = pool.map(爬取函數(shù),網(wǎng)址列表)

from multiprocessing.dummy import Pool as ThreadPool
import requests
import time
kv = {'user-agent':'Mozilla/5.0'}
def getsource(url):
 html = requests.get(url,headers=kv)
urls = []
for i in range(0,41):
 i = i*50
 newpage = 'https://tieba.baidu.com/f?kw=讀書(shū)&ie=utf-8&pn=' + str(i)
 urls.append(newpage)
# 單線程爬取
time1 = time.time()
for each in urls:
 print(each)
 getsource(each)
time2 = time.time()
print('單線程耗時(shí): ' + str(time2-time1))
# 多線程爬取
pool = ThreadPool(8)
time3 = time.time()
results = pool.map(getsource, urls)
pool.close()
pool.join()
time4 = time.time()
print('多線程所消耗時(shí)間:' + str(time4 - time3))