並發體驗：Python抓圖的8種方式

本文系作者「無名小妖」的第二篇原創投稿文章，作者通過用爬蟲示例來說明並發相關的多線程、多進程、協程之間的執行效率對比。如果你喜歡寫博客，想投稿可微信我，有稿費酬勞。

假設我們現在要在網上下載圖片，一個簡單的方法是用 requests+BeautifulSoup。註：本文所有例子都使用python3.5）

單線程

示例 1：get_photos.py

示例1進行的是順序下載，下載30張圖片的平均時間在60s左右（結果因實驗環境不同而不同）。

這個代碼能用但並不高效，怎麼才能提高效率呢？

參考開篇的示意圖，有三種方式：多進程、多線程和協程。下面我們一一說明：

我們都知道 Python 中存在 GIL（主要是Cpython），但 GIL 並不影響 IO 密集型任務，因此對於IO密集型任務而言，多線程更加適合（線程可以開100個，1000個而進程同時運行的數量受 CPU 核數的限制，開多了也沒用）

不過，這並不妨礙我們通過實驗來了解多進程。

多進程

示例2

本示例重用了示例1的部分代碼，我們只需關注使用多進程的這部分。

筆者測試了3次（使用的機器是雙核超線程，即同時只能有4個下載任務在進行），輸出分別是：19.5s、17.4s和18.6s。速度提升並不是很多，也證明了多進程不適合io密集型任務。

還有一種使用多進程的方法，那就是內置模塊futures中的ProcessPoolExecutor。

示例3

使用 ProcessPoolExecutor 代碼簡潔了不少，executor.map 和標準庫中的 map用法類似。耗時和示例2相差無幾。多進程就到這裡，下面來體驗一下多線程。

多線程

示例4

threading 和 multiprocessing 的語法基本一樣，但是速度在9s左右，相較多進程提升了1倍。

下面的示例5和示例6中分別使用內置模塊 futures.ThreadPoolExecutor 中的 map 和submit、as_completed

示例5

示例6：

Executor.map 由於和內置的map用法相似所以更易於使用，它有個特性：返回結果的順序與調用開始的順序一致。不過，通常更可取的方式是，不管提交的順序，只要有結果就獲取。

為此，要把 Executor.submit 和 futures.as_completed結合起來使用。

最後到了協程，這裡分別介紹 gevent 和 asyncio。

gevent

示例7

asyncio

示例8

協程的耗時和多線程相差不多，區別在於協程是單線程。具體原理限於篇幅這裡就不贅述了。

但是我們不得不說一下asyncio，asyncio是Python3.4加入標準庫的，在3.5為其添加async和await關鍵字。或許對於上述多線程多進程的例子你稍加研習就能掌握，但是想要理解asyncio你不得不付出更多的時間和精力。

另外，使用線程寫程序比較困難，因為調度程序任何時候都能中斷線程。必須保留鎖以保護程序，防止多步操作在執行的過程中中斷，防止數據處於無效狀態。

而協程默認會做好全方位保護，我們必須顯式產出才能讓程序的餘下部分運行。對協程來說，無需保留鎖，在多個線程之間同步操作，協程自身就會同步，因為在任意時刻只有一個協程運行。想交出控制權時，可以使用 yield 或 yield from（await） 把控制權交還調度程序。

總結

本篇文章主要是將python中並發相關的模塊進行基本用法的介紹，全做拋磚引玉。而這背後相關的進程、線程、協程、阻塞io、非阻塞io、同步io、非同步io、事件驅動等概念和asyncio的用法並未介紹。大家感興趣的話可以自行google或者百度，也可以在下方留言，大家一起探討。

（如果本文對你有幫助，可以對作者打賞）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！