菜菜的并发编程笔记 |(七)在Web服务中使用线程池加速

本文介绍使用线程池ThreadPoolExecutor加速Web服务的方法,并通过Flask框架实现了具体的案例分析。实验结果显示,采用线程池的方式可以显著减少请求响应时间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述
系列索引:菜菜的并发编程笔记 | Python并发编程详解(持续更新~)

一、WEB服务的架构以及特点

在这里插入图片描述

二、使用线程池ThreadPoolExecutor加速

使用线程池ThreadPoolExecutor优点

  1. 方便将磁盘文件、数据库、远程API的IO调用并发执行
  2. 线程池的线程数目不会无限创建(导致系统崩溃),具有防御功能

三、用Flask实现Web服务加速

我们可以使用Postman或者time命令来查看运行时间,不使用线程池的时间为0.6s+,使用线程池为0.3s+,因为最长的read_api的执行时间是0.3秒。可以看出线程池的巨大提速作用。

import flask
import json
import time
from concurrent.futures import ThreadPoolExecutor

app = flask.Flask(__name__)
pool = ThreadPoolExecutor()

def read_file():
    time.sleep(0.1)
    return "file result"

def read_db():
    time.sleep(0.2)
    return "db result"

def read_api():
    time.sleep(0.3)
    return "api result"

@app.route("/")
def index():
    result_file = pool.submit(read_file)
    result_db = pool.submit(read_db)
    result_api = pool.submit(read_api)

    return json.dumps({
        "result_file": result_file.result(),
        "result_db": result_db.result(),
        "result_api": result_api.result(),
    })

if __name__ == "__main__":
    app.run()

多线程部分到这里基本就讲完了,后面会有多进程部分和协程的分析。欢迎继续关注~

Python进阶之并发编程篇持续更新,欢迎点赞收藏关注

上一篇:菜菜的并发编程笔记 |(六)如何使用线程池改造爬虫程序详解
下一篇:菜菜的并发编程笔记 |(八)使用多进程multiprocessing进行项目开发

本人水平有限,文章中不足之处欢迎下方👇评论区批评指正~

如果感觉对你有帮助,点个赞👍 支持一下吧 ~

不定期分享 有趣、有料、有营养内容,欢迎 订阅关注 🤝 我的博客 ,期待在这与你相遇 ~

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猿知

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值