Python 中的并发 Future：轻松启动并行任务

通过并行执行实现最佳性能至关重要。 python 是一种多功能编程语言，提供了多种并发执行工具。最强大且用户友好的模块之一是concurrent.futures，它允许开发人员异步运行调用。在本文中，我们将探讨该模块的功能以及如何利用它来执行各种任务，包括文件操作和 web 请求。

并发期货概述

concurrent.futures 模块提供了一个名为 executor 的抽象类，它有助于异步执行调用。虽然不应该直接使用它，但开发人员可以利用它的具体子类，例如 threadpoolexecutor 和 processpoolexecutor 来并发执行任务。

主要特征

1. 提交方法：提交方法是神奇发生的地方。它安排一个可调用函数异步执行并返回一个 future 对象。可调用程序使用提供的参数执行，允许开发人员无缝运行后台任务。

   with threadpoolexecutor(max_workers=1) as executor:       future = executor.submit(pow, 323, 1235)       print(future.result())

登录后复制

在此示例中，我们使用 threadpoolexecutor 在单独的线程中对数字进行幂运算。

1. map 方法：map 方法是另一个很棒的功能，它允许同时跨多个输入可迭代执行函数。它立即收集可迭代对象并异步执行调用。

   results = executor.map(load_url, urls, timeout=2)

登录后复制

当您有要并行运行的任务列表时，此功能特别有用。

实际应用：复制文件

考虑一个需要高效复制多个文件的场景。以下代码片段演示了如何使用 threadpoolexecutor 并发复制文件：

import concurrent.futures
import shutil

files_to_copy = [
    ('src2.txt', 'dest2.txt'),
    ('src3.txt', 'dest3.txt'),
    ('src4.txt', 'dest4.txt'),
]

with concurrent.futures.threadpoolexecutor() as executor:
    futures = [executor.submit(shutil.copy, src, dst) for src, dst in files_to_copy]
    for future in concurrent.futures.as_completed(futures):
        print(future.result())

登录后复制

本示例利用shutil.copy函数并行执行文件复制，显着提高大规模文件操作的性能。

并发处理 web 请求

concurrent.futures 模块的另一个令人兴奋的应用是同时从多个 url 检索内容。下面是一个使用 threadpoolexecutor 获取网页的简单实现：

import concurrent.futures
import urllib.request

URLS = [
    'http://www.foxnews.com/',
    'http://www.cnn.com/',
    'http://europe.wsj.com/',
    'http://www.bbc.co.uk/',
    'http://nonexistant-subdomain.python.org/',
]

def load_url(url, timeout):
    with urllib.request.urlopen(url, timeout=timeout) as conn:
        return conn.read()

with concurrent.futures.ThreadPoolExecutor() as executor:
    results = executor.map(load_url, URLS, timeout=2)
    for result in results:
        print(result)

登录后复制

此代码是快速检索 web 内容的简单方法，展示了在项目中实现并发执行是多么容易。

结论

concurrent.futures 模块提供了一种在 python 中异步执行任务的强大方法，简化了在应用程序中实现并行性的过程。通过它的executor类和submit和map等方法，开发人员可以有效地管理后台任务，无论它们涉及文件操作、web请求还是任何其他i/o密集型进程。

通过将这些技术融入您的编程实践中，您将能够创建响应更快、更高效的应用程序，从而增强性能和用户体验。快乐编码！

以上就是Python 中的并发 Future：轻松启动并行任务的详细内容，更多请关注叮当号网其它相关文章！