当涉及到在 python 中同时运行多个任务时，concurrent.futures 模块是一个强大而简单的工具。在本文中，我们将探讨如何使用 threadpoolexecutor 并行执行任务，并结合实际示例。

为什么使用threadpoolexecutor？

在python中，线程非常适合i/o操作占主导地位的任务，例如网络调用或文件读/写操作。使用 threadpoolexecutor，您可以：

• 同时运行多个任务无需手动管理线程。
• 限制活动线程的数量以避免系统不堪重负。
• 使用其直观的 api 轻松收集结果。

---

示例：并行运行任务

让我们看一个简单的例子来理解这个概念。

守则

from concurrent.futures import threadpoolexecutor
import time

# function simulating a task
def task(n):
    print(f"task {n} started")
    time.sleep(2)  # simulates a long-running task
    print(f"task {n} finished")
    return f"result of task {n}"

# using threadpoolexecutor
def execute_tasks():
    tasks = [1, 2, 3, 4, 5]  # list of tasks
    results = []

    # create a thread pool with 3 simultaneous threads
    with threadpoolexecutor(max_workers=3) as executor:
        # execute tasks in parallel
        results = executor.map(task, tasks)

    return list(results)

if __name__ == "__main__":
    results = execute_tasks()
    print("all results:", results)

预期输出

当您运行此代码时，您将看到类似这样的内容（以某种并行顺序）：

task 1 started
task 2 started
task 3 started
task 1 finished
task 4 started
task 2 finished
task 5 started
task 3 finished
task 4 finished
task 5 finished
all results: ['result of task 1', 'result of task 2', 'result of task 3', 'result of task 4', 'result of task 5']

任务 1、2 和 3 同时启动，因为 max_workers=3。其他任务（4 和 5）等待线程可用。

立即学习“Python免费学习笔记（深入）”；

---

何时使用它？

典型用例：

• 从 api 获取数据：同时加载多个 url。
• 文件处理：同时读取、写入或转换多个文件。
• 任务自动化：并行启动多个脚本或命令。

---

最佳实践

1. 限制线程数:

   • 太多线程可能会使 cpu 过载或产生瓶颈。

2. 处理异常:

   • 如果一项任务失败，可能会影响整个池。捕获函数中的异常。

3. 使用 processpoolexecutor 执行 cpu 密集型任务:

   • 由于 python 的全局解释器锁 (gil)，线程对于繁重的计算来说并不是最佳选择。

---

高级示例：并行获取 url

这是一个真实的示例：并行获取多个 url。

import requests
from concurrent.futures import ThreadPoolExecutor

# Function to fetch a URL
def fetch_url(url):
    try:
        response = requests.get(url)
        return f"URL: {url}, Status: {response.status_code}"
    except Exception as e:
        return f"URL: {url}, Error: {e}"

# List of URLs to fetch
urls = [
    "https://example.com",
    "https://httpbin.org/get",
    "https://jsonplaceholder.typicode.com/posts",
    "https://invalid-url.com"
]

def fetch_all_urls(urls):
    with ThreadPoolExecutor(max_workers=4) as executor:
        results = executor.map(fetch_url, urls)
    return list(results)

if __name__ == "__main__":
    results = fetch_all_urls(urls)
    for result in results:
        print(result)

结论

threadpoolexecutor 简化了 python 中的线程管理，是加速 i/o 密集型任务的理想选择。只需几行代码，您就可以并行操作并节省宝贵的时间。

以上就是# 使用 ThreadPoolExecutor 增强你的 Python 任务的详细内容，更多请关注php中文网其它相关文章！