03-多线程【100个Python知识点】

最新推荐文章于 2023-03-06 01:23:04 发布

　子午

最新推荐文章于 2023-03-06 01:23:04 发布

阅读量383

点赞数

CC 4.0 BY-SA版权

分类专栏： 100个Python知识点文章标签： python

本文链接：https://blog.youkuaiyun.com/meridian002/article/details/126901253

100个Python知识点专栏收录该内容

80 篇文章

订阅专栏

本文介绍如何使用Python的多线程和线程池来优化耗时操作，例如批量下载任务。通过实例对比展示，在高并发场景下，合理使用线程池能够显著提升程序的执行效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用场景

在开发中，有时会遇到一些比较耗时的操作，如文件批量下载，批量处理等情况，这时我们为了实现更快的相应，可以使用多线程实现异步任务。也可以通过多线程充分的利用CPU的资源，加快处理速度。

代码

# -*- coding: utf-8 -*-
import time
import threading
from concurrent.futures import ThreadPoolExecutor


# 模拟下载链接
def download(image_url):
    print('正在下载{}文件'.format(image_url))
    time.sleep(2)
    print('{}下载成功'.format(image_url))
    return 'ok'


# 创建线程池，最多维护10个线程
pool = ThreadPoolExecutor(10)


# 不使用线程池
def task1():
    t1 = threading.Thread(target=download, args=('www.1.com',))
    t1.start()


task_list = []


# 使用线程池
def task2():
    for i in range(50):
        image_url = 'www.{}.com'.format(i)
        task_info = pool.submit(download, image_url)
        task_list.append(task_info)


if __name__ == '__main__':
    start = time.perf_counter()
    task2()
    # 等线程池中的任务结束之后，再继续执行
    pool.shutdown(True)
    end = time.perf_counter()
    print('task end...{}'.format(round(end - start, 2)))
    # print(task_list)

说明：