gpt4 book ai didi

使用Python中的线程进行网络编程的入门教程

转载 作者:qq735679552 更新时间:2022-09-29 22:32:09 25 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章使用Python中的线程进行网络编程的入门教程由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

引言 。

对于 Python 来说,并不缺少并发选项,其标准库中包括了对线程、进程和异步 I/O 的支持。在许多情况下,通过创建诸如异步、线程和子进程之类的高层模块,Python 简化了各种并发方法的使用。除了标准库之外,还有一些第三方的解决方案,例如 Twisted、Stackless 和进程模块。本文重点关注于使用 Python 的线程,并使用了一些实际的示例进行说明。虽然有许多很好的联机资源详细说明了线程 API,但本文尝试提供一些实际的示例,以说明一些常见的线程使用模式.

全局解释器锁 (Global Interpretor Lock) 说明 Python 解释器并不是线程安全的。当前线程必须持有全局锁,以便对 Python 对象进行安全地访问。因为只有一个线程可以获得 Python 对象/C API,所以解释器每经过 100 个字节码的指令,就有规律地释放和重新获得锁。解释器对线程切换进行检查的频率可以通过 sys.setcheckinterval() 函数来进行控制.

此外,还将根据潜在的阻塞 I/O 操作,释放和重新获得锁。有关更详细的信息,请参见参考资料部分中的 Gil and Threading State 和 Threading the Global Interpreter Lock.

需要说明的是,因为 GIL,CPU 受限的应用程序将无法从线程的使用中受益。使用 Python 时,建议使用进程,或者混合创建进程和线程.

首先弄清进程和线程之间的区别,这一点是非常重要的。线程与进程的不同之处在于,它们共享状态、内存和资源。对于线程来说,这个简单的区别既是它的优势,又是它的缺点。一方面,线程是轻量级的,并且相互之间易于通信,但另一方面,它们也带来了包括死锁、争用条件和高复杂性在内的各种问题。幸运的是,由于 GIL 和队列模块,与采用其他的语言相比,采用 Python 语言在线程实现的复杂性上要低得多。 使用 Python 线程 。

要继续学习本文中的内容,我假定您已经安装了 Python 2.5 或者更高版本,因为本文中的许多示例都将使用 Python 语言的新特性,而这些特性仅出现于 Python2.5 之后。要开始使用 Python 语言的线程,我们将从简单的 "Hello World" 示例开始: hello_threads_example 。

 
?
1
 
2
3
4
5
6
7
8
9
10
11
12
import threading
import datetime
 
class ThreadClass(threading.Thread):
  def run( self ):
   now = datetime.datetime.now()
   print "%s says Hello World at time: %s" %
   ( self .getName(), now)
 
for i in range ( 2 ):
  t = ThreadClass()
  t.start()

如果运行这个示例,您将得到下面的输出:

 
?
1
 
2
3
# python hello_threads.py
Thread - 1 says Hello World at time: 2008 - 05 - 13 13 : 22 : 50.252069
Thread - 2 says Hello World at time: 2008 - 05 - 13 13 : 22 : 50.252576

仔细观察输出结果,您可以看到从两个线程都输出了 Hello World 语句,并都带有日期戳。如果分析实际的代码,那么将发现其中包含两个导入语句;一个语句导入了日期时间模块,另一个语句导入线程模块。类 ThreadClass 继承自 threading.Thread,也正因为如此,您需要定义一个 run 方法,以此执行您在该线程中要运行的代码。在这个 run 方法中唯一要注意的是,self.getName() 是一个用于确定该线程名称的方法.

最后三行代码实际地调用该类,并启动线程。如果注意的话,那么会发现实际启动线程的是 t.start()。在设计线程模块时考虑到了继承,并且线程模块实际上是建立在底层线程模块的基础之上的。对于大多数情况来说,从 threading.Thread 进行继承是一种最佳实践,因为它创建了用于线程编程的常规 API。 使用线程队列 。

如前所述,当多个线程需要共享数据或者资源的时候,可能会使得线程的使用变得复杂。线程模块提供了许多同步原语,包括信号量、条件变量、事件和锁。当这些选项存在时,最佳实践是转而关注于使用队列。相比较而言,队列更容易处理,并且可以使得线程编程更加安全,因为它们能够有效地传送单个线程对资源的所有访问,并支持更加清晰的、可读性更强的设计模式.

在下一个示例中,您将首先创建一个以串行方式或者依次执行的程序,获取网站的 URL,并显示页面的前 1024 个字节。有时使用线程可以更快地完成任务,下面就是一个典型的示例。首先,让我们使用 urllib2 模块以获取这些页面(一次获取一个页面),并且对代码的运行时间进行计时: URL 获取序列 。

 
?
1
 
2
3
4
5
6
7
8
9
10
11
12
13
import urllib2
import time
 
hosts = [ " http://yahoo.com " , " http://google.com " , " http://amazon.com " ,
" http://ibm.com " , " http://apple.com " ]
 
start = time.time()
#grabs urls of hosts and prints first 1024 bytes of page
for host in hosts:
  url = urllib2.urlopen(host)
  print url.read( 1024 )
 
print "Elapsed Time: %s" % (time.time() - start)

在运行以上示例时,您将在标准输出中获得大量的输出结果。但最后您将得到以下内容:

 
?
1
 
Elapsed Time: 2.40353488922

让我们仔细分析这段代码。您仅导入了两个模块。首先,urllib2 模块减少了工作的复杂程度,并且获取了 Web 页面。然后,通过调用 time.time(),您创建了一个开始时间值,然后再次调用该函数,并且减去开始值以确定执行该程序花费了多长时间。最后分析一下该程序的执行速度,虽然“2.5 秒”这个结果并不算太糟,但如果您需要检索数百个 Web 页面,那么按照这个平均值,就需要花费大约 50 秒的时间。研究如何创建一种可以提高执行速度的线程化版本: URL 获取线程化 。

 
?
1
 
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
#!/usr/bin/env python
import Queue
import threading
import urllib2
import time
 
hosts = [ " http://yahoo.com " , " http://google.com " , " http://amazon.com " ,
" http://ibm.com " , " http://apple.com " ]
 
queue = Queue.Queue()
 
class ThreadUrl(threading.Thread):
"""Threaded Url Grab"""
  def __init__( self , queue):
   threading.Thread.__init__( self )
   self .queue = queue
 
  def run( self ):
   while True :
    #grabs host from queue
    host = self .queue.get()
 
    #grabs urls of hosts and prints first 1024 bytes of page
    url = urllib2.urlopen(host)
    print url.read( 1024 )
 
    #signals to queue job is done
    self .queue.task_done()
 
start = time.time()
def main():
 
  #spawn a pool of threads, and pass them queue instance
  for i in range ( 5 ):
   t = ThreadUrl(queue)
   t.setDaemon( True )
   t.start()
  
  #populate queue with data 
   for host in hosts:
    queue.put(host)
 
  #wait on the queue until everything has been processed  
  queue.join()
 
main()
print "Elapsed Time: %s" % (time.time() - start)

对于这个示例,有更多的代码需要说明,但与第一个线程示例相比,它并没有复杂多少,这正是因为使用了队列模块。在 Python 中使用线程时,这个模式是一种很常见的并且推荐使用的方式。具体工作步骤描述如下:

  •     创建一个 Queue.Queue() 的实例,然后使用数据对它进行填充。
  •     将经过填充数据的实例传递给线程类,后者是通过继承 threading.Thread 的方式创建的。
  •     生成守护线程池。
  •     每次从队列中取出一个项目,并使用该线程中的数据和 run 方法以执行相应的工作。
  •     在完成这项工作之后,使用 queue.task_done() 函数向任务已经完成的队列发送一个信号。
  •     对队列执行 join 操作,实际上意味着等到队列为空,再退出主程序。

在使用这个模式时需要注意一点:通过将守护线程设置为 true,将允许主线程或者程序仅在守护线程处于活动状态时才能够退出。这种方式创建了一种简单的方式以控制程序流程,因为在退出之前,您可以对队列执行 join 操作、或者等到队列为空。队列模块文档详细说明了实际的处理过程,请参见参考资料:

    join()     保持阻塞状态,直到处理了队列中的所有项目为止。在将一个项目添加到该队列时,未完成的任务的总数就会增加。当使用者线程调用 task_done() 以表示检索了该项目、并完成了所有的工作时,那么未完成的任务的总数就会减少。当未完成的任务的总数减少到零时,join() 就会结束阻塞状态.

使用多个队列 。

因为上面介绍的模式非常有效,所以可以通过连接附加线程池和队列来进行扩展,这是相当简单的。在上面的示例中,您仅仅输出了 Web 页面的开始部分。而下一个示例则将返回各线程获取的完整 Web 页面,然后将结果放置到另一个队列中。然后,对加入到第二个队列中的另一个线程池进行设置,然后对 Web 页面执行相应的处理。这个示例中所进行的工作包括使用一个名为 Beautiful Soup 的第三方 Python 模块来解析 Web 页面。使用这个模块,您只需要两行代码就可以提取所访问的每个页面的 title 标记,并将其打印输出。 多队列数据挖掘网站 。

 
?
1
 
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
import Queue
import threading
import urllib2
import time
from BeautifulSoup import BeautifulSoup
 
hosts = [ " http://yahoo.com " , " http://google.com " , " http://amazon.com " ,
     " http://ibm.com " , " http://apple.com " ]
 
queue = Queue.Queue()
out_queue = Queue.Queue()
 
class ThreadUrl(threading.Thread):
   """Threaded Url Grab"""
   def __init__( self , queue, out_queue):
     threading.Thread.__init__( self )
     self .queue = queue
     self .out_queue = out_queue
 
   def run( self ):
     while True :
       #grabs host from queue
       host = self .queue.get()
 
       #grabs urls of hosts and then grabs chunk of webpage
       url = urllib2.urlopen(host)
       chunk = url.read()
 
       #place chunk into out queue
       self .out_queue.put(chunk)
 
       #signals to queue job is done
       self .queue.task_done()
 
class DatamineThread(threading.Thread):
   """Threaded Url Grab"""
   def __init__( self , out_queue):
     threading.Thread.__init__( self )
     self .out_queue = out_queue
 
   def run( self ):
     while True :
       #grabs host from queue
       chunk = self .out_queue.get()
 
       #parse the chunk
       soup = BeautifulSoup(chunk)
       print soup.findAll([ 'title' ])
 
       #signals to queue job is done
       self .out_queue.task_done()
 
start = time.time()
def main():
 
   #spawn a pool of threads, and pass them queue instance
   for i in range ( 5 ):
     t = ThreadUrl(queue, out_queue)
     t.setDaemon( True )
     t.start()
 
   #populate queue with data
   for host in hosts:
     queue.put(host)
 
   for i in range ( 5 ):
     dt = DatamineThread(out_queue)
     dt.setDaemon( True )
     dt.start()
 
 
   #wait on the queue until everything has been processed
   queue.join()
   out_queue.join()
 
main()
print "Elapsed Time: %s" % (time.time() - start)

如果运行脚本的这个版本,您将得到下面的输出:

 
?
1
 
2
3
4
5
6
7
8
9
# python url_fetch_threaded_part2.py
 
[<title>Google< / title>]
[<title>Yahoo!< / title>]
[<title>Apple< / title>]
[<title>IBM United States< / title>]
[<title>Amazon.com: Online Shopping for Electronics, Apparel,
Computers, Books, DVDs & more< / title>]
Elapsed Time: 3.75387597084

分析这段代码时您可以看到,我们添加了另一个队列实例,然后将该队列传递给第一个线程池类 ThreadURL。接下来,对于另一个线程池类 DatamineThread,几乎复制了完全相同的结构。在这个类的 run 方法中,从队列中的各个线程获取 Web 页面、文本块,然后使用 Beautiful Soup 处理这个文本块。在这个示例中,使用 Beautiful Soup 提取每个页面的 title 标记、并将其打印输出。可以很容易地将这个示例推广到一些更有价值的应用场景,因为您掌握了基本搜索引擎或者数据挖掘工具的核心内容。一种思想是使用 Beautiful Soup 从每个页面中提取链接,然后按照它们进行导航.

总结 。

本文研究了 Python 的线程,并且说明了如何使用队列来降低复杂性和减少细微的错误、并提高代码可读性的最佳实践。尽管这个基本模式比较简单,但可以通过将队列和线程池连接在一起,以便将这个模式用于解决各种各样的问题。在最后的部分中,您开始研究如何创建更复杂的处理管道,它可以用作未来项目的模型。参考资料部分提供了很多有关常规并发性和线程的极好的参考资料.

最后,还有很重要的一点需要指出,线程并不能解决所有的问题,对于许多情况,使用进程可能更为合适。特别是,当您仅需要创建许多子进程并对响应进行侦听时,那么标准库子进程模块可能使用起来更加容易。有关更多的官方说明文档,请参考参考资料部分.

最后此篇关于使用Python中的线程进行网络编程的入门教程的文章就讲到这里了,如果你想了解更多关于使用Python中的线程进行网络编程的入门教程的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com