文档章节

Python学习,多进程了解一下!学爬虫不会用多进程能行吗?

python玩家
 python玩家
发布于 2018/08/01 13:50
字数 1348
阅读 19
收藏 0
python中的多线程其实并不是真正的多线程,如果想要充分地使用多核CPU的资源,在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing,只需要定义一个函数,Python会完成其他所有事情。借助这个包,可以轻松完成从单进程到 并发执行的转换

本来想写多线程的,但是演示效果并不是很好,就改成进程了。

其实多进程没有我们想象的那么难,用几个小例子给大家分享一下!

目录

  • 多进程的多种实现方法及效果演示:这段将通过几个小脚本实现多进程的效果
  • 一个小爬虫实例,通过运行时间来查看进程对代码速度的影响

多进程

首先我们先做一个小脚本,就用turtle画4个同心圆吧!这样在演示多进程的时候比较直观。代码如下:

import turtle

def cir(n,m):
	turtle.penup()
	turtle.goto(n)
	turtle.pendown()
	turtle.circle(m)
	time.sleep(1)
def runn(lis1,lis2):
	for n, m in zip(lis1,lis2):
		cir(n,m)
if __name__ == '__main__':
	nn = [(0,-200),(0,-150),(0,-100),(0,-50)]
	mm = [200,150,100,50]
	runn(nn,mm)

这段代码,实现了画4个同心圆的效果,如果用多进程的话,我们稍微该写一下,将runn()函数替换下面的代码

from multiprocessing import Process,Pool

for i in range(4):
	Process(target=runn,args=(nn,mm)).start()

这里,启动4个进程,同时画圆,给个图大家感受一下!

可以看到,这里直接生成4个画板同时画同心圆。如果还要在加进程的话,可以用pool进程池,注意pool有2个方法,建议用非阻塞的p.apply_async不要用阻塞的p.apply方法,p.apply_async会由系统自行判断并运行,比如指定4个进程运行5个任务,那么会在某一个进程运行完毕的同时自动开始第5个任务,而阻塞的p.apply方法会一次只运行一个进程。

然后就是记得close()进程池,并用p.join()等待所有进程完成!相关代码如下

	p = Pool(9)
	for i in range(9):
		p.apply_async(runn,(nn,mm))#非阻塞
		#p.apply(runn,(nn,mm))#阻塞
	p.close()
	p.join()

Pool()里面不带参数会自动适应电脑本身内核数量,这里我设置9个进程同时进行!来看看效果

可以看到,同时进行了9个画图的进程,但是同样的,有明显的卡顿感!当然,我们也可以用map函数来写多进程,先修改下代码

def cir(m):
	turtle.penup()
	turtle.goto(m[0])
	turtle.pendown()
	turtle.circle(m[1])
	time.sleep(14)
if __name__ == '__main__':
	nn = [(0, -200), (0, -150), (0, -100), (0, -50)]
	mm = [200, 150, 100, 50]
	mn = [(x,y) for x,y in zip(nn,mm)]
	p = Pool(3)
	p.map(cir,mn)

这次不画4个同心圆了,我们让它4个进程各画一个圆,来看看效果

为了演示效果,多加了点间隔时间,并把cir函数的参数改为1个,这样便于生成元组列表!可以看到,有了明显的卡顿,电脑不好,大家看看效果就行了

写个简单的多进程爬虫

做一个小爬虫,加入运行时间,先上一个不使用进程的代码:

import requests
from lxml import etree
import time
from multiprocessing import Process,Pool

def main(url):
	time.sleep(1)
	html = requests.get(url)
	html.encoding = 'gb2312'
	data = etree.HTML(html.text)
	title = data.xpath('//a[@class="ulink"]/text()')
	summary = data.xpath('//td[@colspan="2"]/text()')
	urls = data.xpath('//a[@class="ulink"]/@href')
	for t,s,u in zip(title,summary,urls):
		print(t)
		print('【url:】http://www.dytt8.net'+u)
		print('【简介】>>>>>>>'+s)

if __name__ == '__main__':
	start = time.time()
	url = 'http://www.dytt8.net/html/gndy/dyzz/'
	pg_url = [url+'list_23_{}.html'.format(str(x)) for x in range(1,10)]
	for pg_u in pg_url:
		main(pg_u)
	end = time.time()
	print("共计用时%.4f秒"%(end-start))

在修改下多进程,直接修改最后几行行代码即可

	pg_url = [url+'list_23_{}.html'.format(str(x)) for x in range(1,10)]
	# for pg_u in pg_url:
	# 	main(pg_u)
	p=Pool()
	p.map(main,pg_url)
	end = time.time()
	print("共计用时%.4f秒"%(end-start))

可以看到,速度提高了1倍多,当然,并不是说只能提高一倍,而是我的代码太简单了,只是从网站抓取字符串打印出来,响应速度很快,导致提升的倍率并没有我们想象的那么高,如果大家有兴趣,可以尝试一下,基本上可以提升到进程数的倍率,也就是说,不超过电脑核心数量,且没有其他外因(比如网络响应速度等等)的情况下,用4进程可以提升接近4倍的速度!

后记

在学习的过程中,难免会遇到很高深并且很难理解的知识点,我们可以先尝试去简化理解它,比如多进程,它本身还有进程池、进程间通讯、守护进程、进程类(重写run方法)、进程锁、进程队列、管道、信号量等等功能或知识点,这里都没有涉及,不过这并不影响我们使用简单的多进程写代码!

© 著作权归作者所有

python玩家
粉丝 13
博文 30
码字总数 27477
作品 0
太原
程序员
私信 提问
学爬虫,需要掌握哪些Python基础?

入手爬虫确实不要求你精通Python编程,但基础知识还是不能忽视的,那么我们需要哪些Python基础呢? 首先我们先来看看一个最简单的爬虫流程: 第一步要确定爬取页面的链接,由于我们通常爬取的...

糖宝lsh
2018/11/22
23
0
自从教学弟学会了Python,他每天都爬一些好不正经的图片!

学弟他作为一个宅男,闲着没事就喜欢用我教他的Python来爬一些 “资源” 套图欣赏,我每次都骂他你总是这样找个女朋友不好点,他不以为然,依旧如故。气的我只好把他写的东西发出来让更多的人...

Python燕大侠
2018/07/06
4.4K
21
给你的Python爬虫穿上风火轮(多进程), 架起筋斗云(多线程)!

PS:使用多线程时好像在目录切换的问题上存在问题,可以给线程加个锁试试 Hello 大家好!我又来了。 你是不是发现下载图片速度特别慢、难以忍受啊!对于这种问题 一般解决办法就是多进程了...

Python新世界
2018/08/07
0
0
想用 Python 找到一份好工作?这4种工作最热门!

身边有不少朋友最近都开始学习python,大多都在学了一两个月之后来问小编,我现在已经入行了,能去找什么样的工作呢? 小编只能说: 入行!=找工作 那么,自学python的人,如何才能找到满意的工...

python达人
2018/05/16
0
0
学习Python3 进程,这一篇就够了

第一种方式:使用os模块中的fork方式实现多进程 输出结果: 第二种方法:使用multiprocessing模块创建多进程 输出结果是: 输出结果是: # Queue进程间通信 Queue进程间通信 输出结果: pipe...

糖宝lsh
2018/12/24
19
0

没有更多内容

加载失败,请刷新页面

加载更多

关于AsyncTask的onPostExcute方法是否会在Activity重建过程中调用的问题

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/XG1057415595/article/details/86774575 假设下面一种情况...

shzwork
今天
7
0
object 类中有哪些方法?

getClass(): 获取运行时类的对象 equals():判断其他对象是否与此对象相等 hashcode():返回该对象的哈希码值 toString():返回该对象的字符串表示 clone(): 创建并返此对象的一个副本 wait...

happywe
今天
6
0
Docker容器实战(七) - 容器中进程视野下的文件系统

前两文中,讲了Linux容器最基础的两种技术 Namespace 作用是“隔离”,它让应用进程只能看到该Namespace内的“世界” Cgroups 作用是“限制”,它给这个“世界”围上了一圈看不见的墙 这么一...

JavaEdge
今天
8
0
文件访问和共享的方法介绍

在上一篇文章中,你了解到文件有三个不同的权限集。拥有该文件的用户有一个集合,拥有该文件的组的成员有一个集合,然后最终一个集合适用于其他所有人。在长列表(ls -l)中这些权限使用符号...

老孟的Linux私房菜
今天
7
0
面试套路题目

作者:抱紧超越小姐姐 链接:https://www.nowcoder.com/discuss/309292?type=3 来源:牛客网 面试时候的潜台词 抱紧超越小姐姐 编辑于 2019-10-15 16:14:56APP内打开赞 3 | 收藏 4 | 回复24 ...

MtrS
今天
6
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部