理解Python並發編程-PoolExecutor篇

原文鏈接

 

之前我們使用多線程(threading)和多進程(multiprocessing)完成常規的需求，在啟動的時候start、jon等步驟不能省，復雜的需要還要用1-2個隊列。隨着需求越來越復雜，如果沒有良好的設計和抽象這部分的功能層次，代碼量越多調試的難度就越大。有沒有什么好的方法把這些步驟抽象一下呢，讓我們不關注這些細節，輕裝上陣呢？

答案是：有的。

從Python3.2開始一個叫做concurrent.futures被納入了標准庫，而在Python2它屬於第三方的futures庫，需要手動安裝：

 

pip install futures

```                                             


這個模塊中有2個類：ThreadPoolExecutor和ProcessPoolExecutor，也就是對threading和multiprocessing的進行了高級別的抽象， 暴露出統一的接口，幫助開發者非常方便的實現異步調用： ```python import time from concurrent.futures import ProcessPoolExecutor, as_completed NUMBERS = range(25, 38) def fib(n): if n<= 2: return 1 return fib(n-1) + fib(n-2) start = time.time() with ProcessPoolExecutor(max_workers=3) as executor: for num, result in zip(NUMBERS, executor.map(fib, NUMBERS)): print 'fib({}) = {}'.format(num, result) print 'COST: {}'.format(time.time() - start)

感受下是不是很輕便呢？看一下花費的時間：

 

 python fib_executor.py fib(25) = 75025 fib(26) = 121393 fib(27) = 196418 fib(28) = 317811 fib(29) = 514229 fib(30) = 832040 fib(31) = 1346269 fib(32) = 2178309 fib(33) = 3524578 fib(34) = 5702887 fib(35) = 9227465 fib(36) = 14930352 fib(37) = 24157817 COST: 10.8920350075

除了用map，另外一個常用的方法是submit。如果你要提交的任務的函數是一樣的，就可以簡化成map。但是假如提交的任務函數是不一樣的，或者執行的過程之可能出現異常（使用map執行過程中發現問題會直接拋出錯誤）就要用到submit：

 

from concurrent.futures import ThreadPoolExecutor, as_completed NUMBERS = range(30, 35) def fib(n): if n == 34: raise Exception("Don't do this") if n<= 2: return 1 return fib(n-1) + fib(n-2) with ThreadPoolExecutor(max_workers=3) as executor: future_to_num = {executor.submit(fib, num): num for num in NUMBERS} for future in as_completed(future_to_num): num = future_to_num[future] try: result = future.result() except Exception as e: print 'raise an exception: {}'.format(e) else: print 'fib({}) = {}'.format(num, result) with ThreadPoolExecutor(max_workers=3) as executor: for num, result in zip(NUMBERS, executor.map(fib, NUMBERS)): print 'fib({}) = {}'.format(num, result)

執一下：

 

python fib_executor_with_raise.py fib(30) = 832040 fib(31) = 1346269 raise an exception: Don't do this fib(32) = 2178309 fib(33) = 3524578 Traceback (most recent call last): File "fib_executor_with_raise.py", line 28, in <module> for num, result in zip(NUMBERS, executor.map(fib, NUMBERS)): File "/Library/Python/2.7/site-packages/concurrent/futures/_base.py", line 580, in map yield future.result() File "/Library/Python/2.7/site-packages/concurrent/futures/_base.py", line 400, in result return self.__get_result() File "/Library/Python/2.7/site-packages/concurrent/futures/_base.py", line 359, in __get_result reraise(self._exception, self._traceback) File "/Library/Python/2.7/site-packages/concurrent/futures/_compat.py", line 107, in reraise exec('raise exc_type, exc_value, traceback', {}, locals_) File "/Library/Python/2.7/site-packages/concurrent/futures/thread.py", line 61, in run result = self.fn(*self.args, **self.kwargs) File "fib_executor_with_raise.py", line 9, in fib raise Exception("Don't do this") Exception: Don't do this

可以看到，第一次捕捉到了異常，但是第二次執行的時候錯誤直接拋出來了。

上面說到的map，有些同學馬上會說，這不是進程（線程）池的效果嗎？看起來確實是的：

 

import time

from multiprocessing.pool import Pool NUMBERS = range(25, 38) def fib(n): if n<= 2: return 1 return fib(n-1) + fib(n-2) start = time.time() pool = Pool(3) results = pool.map(fib, NUMBERS) for num, result in zip(NUMBERS, pool.map(fib, NUMBERS)): print 'fib({}) = {}'.format(num, result) print 'COST: {}'.format(time.time() - start)

好像代碼量更小喲。好吧，看一下花費的時間：

python fib_pool.py fib(25) = 75025 fib(26) = 121393 fib(27) = 196418 fib(28) = 317811 fib(29) = 514229 fib(30) = 832040 fib(31) = 1346269 fib(32) = 2178309 fib(33) = 3524578 fib(34) = 5702887 fib(35) = 9227465 fib(36) = 14930352 fib(37) = 24157817 COST: 17.1342718601

WhatTF竟然花費了1.7倍的時間。為什么？

BTW，有興趣的同學可以對比下ThreadPool和ThreadPoolExecutor，由於GIL的緣故，對比的差距一定會更多。

原理

我們就拿ProcessPoolExecutor介紹下它的原理，引用官方代碼注釋中的流程圖：

 

|======================= In-process =====================|== Out-of-process ==| +----------+ +----------+ +--------+ +-----------+ +---------+ | | => | Work Ids | => | | => | Call Q | => | | | | +----------+ | | +-----------+ | | | | | ... | | | | ... | | | | | | 6 | | | | 5, call() | | | | | | 7 | | | | ... | | | | Process | | ... | | Local | +-----------+ | Process | | Pool | +----------+ | Worker | | #1..n | | Executor | | Thread | | | | | +----------- + | | +-----------+ | | | | <=> | Work Items | <=> | | <= | Result Q | <= | | | | +------------+ | | +-----------+ | | | | | 6: call() | | | | ... | | | | | | future | | | | 4, result | | | | | | ... | | | | 3, except | | | +----------+ +------------+ +--------+ +-----------+ +---------+

我們結合源碼和上面的數據流分析一下：

1. executor.map會創建多個_WorkItem對象，每個對象都傳入了新創建的一個Future對象。
2. 把每個_WorkItem對象然后放進一個叫做「Work Items」的dict中，鍵是不同的「Work Ids」。
3. 創建一個管理「Work Ids」隊列的線程「Local worker thread」，它能做2件事：
   1. 從「Work Ids」隊列中獲取Work Id, 通過「Work Items」找到對應的_WorkItem。如果這個Item被取消了，就從「Work Items」里面把它刪掉，否則重新打包成一個_CallItem放入「Call Q」這個隊列。executor的那些進程會從隊列中取_CallItem執行，並把結果封裝成_ResultItems放入「Result Q」隊列中。
   2. 從「Result Q」隊列中獲取_ResultItems，然后從「Work Items」更新對應的Future對象並刪掉入口。

看起來就是一個「生產者/消費者」模型罷了，錯了。我們要注意，整個過程並不是多個進程與任務+結果-2個隊列直接通信的，而是通過一個中間的「Local worker thread」，它就是讓效率提升的重要原因之一！！！

設想，當某一段程序提交了一個請求，期望得到一個答復。但服務程序對這個請求可能很慢，在傳統的單線程環境下，調用函數是同步的，也就是說它必須等到服務程序返回結果后，才能進行其他處理。而在Future模式下，調用方式改為異步，而原先等待返回的時間段，在主調用函數中，則可用於處理其他事物。

Future

Future是常見的一種並發設計模式，在多個其他語言中都可以見到這種解決方案。

一個Future對象代表了一些尚未就緒（完成）的結果，在「將來」的某個時間就緒了之后就可以獲取到這個結果。比如上面的例子，我們期望並發的執行一些參數不同的fib函數，獲取全部的結果。傳統模式就是在等待queue.get返回結果，這個是同步模式，而在Future模式下，調用方式改為異步，而原先等待返回的時間段，由於「Local worker thread」的存在，這個時候可以完成其他工作

在tornado中也有對應的實現。2013年的時候，我曾經寫過一篇博客使用tornado讓你的請求異步非阻塞，最后也提到了用concurrent.futures實現異步非阻塞的完成耗時任務。

 

原文鏈接