python核心并发编程之futures(代码片段)

无论对于哪门语言，并发编程都是一项很常用很重要的技巧

正确合理地使用并发编程，无疑会让程序带来极大的性能提升。接下来学习理解、运用Python中的并发编程——Futures

一、区分并发和并行

在学习并发编程时，常常同时听到并发(Concurrency)和并行(Parallelism)这两个术语，这两者经常一起使用导致很多人以为它们是一个意思，其实不然

1.1 理解误区

首先辨别一个误区，在Python中并发并不是指同一时刻有多个操作(thread、task)同时进行。相反，某个特定的时刻它只允许有一个操作发生，只不过线程/任务之间会互相切换，直到完成。看下面这张图：

图中出现了thread和task两种切换顺序的不同方式，分别对应Python中并发的两种形式—threading和asyncio

1.2 threading和asyncio

• threading

对于threading，操作系统知道每个线程的所有信息，因此它会做主在适当的时候做线程切换
优点：
代码容易书写，因为程序员不需要做任何切换操作的处理
不足：
切换线程的操作，有可能出现在一个语句执行的过程中(比如 x += 1)，这样就容易出现race condition 的情况

• asyncio

对于asyncio，主程序想要切换任务时，必须得到此任务可以被切换的通知，这样一来也就可以避免刚刚提到的race condition的情况

1.3 并行的理解

至于所谓的并行，指的才是同一时刻、同时发生
Python中的multi-processing便是这个意思，对于multi-processing可以简单地这么理解：比如电脑是6核处理器，那么在运行程序时就可以强制Python开6个进程同时执行以加快运行速度，原理示意图如下：

1.4 并行和并发对比

• 并发通常应用于I/O操作频繁的场景
  比如要从网站上下载多个文件，I/O操作的时间可能会比CPU运行处理的时间长得多

• 并行更多应用于CPU heavy的场景
  比如MapReduce中的并行计算，为了加快运行速度一般会用多台机器、多个处理器来完成

二、并发编程之Futures

2.1 单线程与多线程性能比较

接下来通过具体的实例，从代码的角度来理解并发编程中的Futures，并进一步来比较其与单线程的性能区别

假设有一个任务是下载一些网站的内容并打印，如果用单线程的方式代码实现如下所示(为了简化代码和突出主题，代码中忽略了异常处理)：

import requests
import time

def download_one(url):
    resp = requests.get(url)
    print('Read  from '.format(len(resp.content), url))
    
def download_all(sites):
    for site in sites:
        download_one(site)

def main():
    sites = [
        'https://en.wikipedia.org/wiki/Portal:Arts',
        'https://en.wikipedia.org/wiki/Portal:History',
        'https://en.wikipedia.org/wiki/Portal:Society',
        'https://en.wikipedia.org/wiki/Portal:Biography',
        'https://en.wikipedia.org/wiki/Portal:Mathematics',
        'https://en.wikipedia.org/wiki/Portal:Technology',
        'https://en.wikipedia.org/wiki/Portal:Geography',
        'https://en.wikipedia.org/wiki/Portal:Science',
        'https://en.wikipedia.org/wiki/Computer_science',
        'https://en.wikipedia.org/wiki/Python_(programming_language)',
        'https://en.wikipedia.org/wiki/Java_(programming_language)',
        'https://en.wikipedia.org/wiki/PHP',
        'https://en.wikipedia.org/wiki/Node.js',
        'https://en.wikipedia.org/wiki/The_C_Programming_Language',
        'https://en.wikipedia.org/wiki/Go_(programming_language)'
    ]
    start_time = time.perf_counter()
    download_all(sites)
    end_time = time.perf_counter()
    print('Download  sites in  seconds'.format(len(sites), end_time - start_time))
    
if __name__ == '__main__':
    main()

# 输出
Read 129886 from https://en.wikipedia.org/wiki/Portal:Arts
Read 184343 from https://en.wikipedia.org/wiki/Portal:History
Read 224118 from https://en.wikipedia.org/wiki/Portal:Society
Read 107637 from https://en.wikipedia.org/wiki/Portal:Biography
Read 151021 from https://en.wikipedia.org/wiki/Portal:Mathematics
Read 157811 from https://en.wikipedia.org/wiki/Portal:Technology
Read 167923 from https://en.wikipedia.org/wiki/Portal:Geography
Read 93347 from https://en.wikipedia.org/wiki/Portal:Science
Read 321352 from https://en.wikipedia.org/wiki/Computer_science
Read 391905 from https://en.wikipedia.org/wiki/Python_(programming_language)
Read 321417 from https://en.wikipedia.org/wiki/Java_(programming_language)
Read 468461 from https://en.wikipedia.org/wiki/PHP
Read 180298 from https://en.wikipedia.org/wiki/Node.js
Read 56765 from https://en.wikipedia.org/wiki/The_C_Programming_Language
Read 324039 from https://en.wikipedia.org/wiki/Go_(programming_language)
Download 15 sites in 2.464231112999869 seconds

这种方式应该是最直接也最简单的：

1. 遍历存储网站的列表
2. 对当前网站执行下载操作
3. 等到当前操作完成后，再对下一个网站进行同样的操作，一直到结束

可以看到总共耗时约 2.4s
单线程的优点是简单明了，但是明显效率低下，因为上述程序的绝大多数时间都浪费在了I/O等待上。程序每次对一个网站执行下载操作，都必须等到前一个网站下载完成后才能开始。在实际生产环境中，需要下载的网站数量至少是以万为单位的，不难想象这种方案根本行不通

接着再来看多线程版本的代码实现：

import concurrent.futures
import requests
import threading
import time

def download_one(url):
    resp = requests.get(url)
    print('Read  from '.format(len(resp.content), url))


def download_all(sites):
    with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
        executor.map(download_one, sites)

def main():
    sites = [
        'https://en.wikipedia.org/wiki/Portal:Arts',
        'https://en.wikipedia.org/wiki/Portal:History',
        'https://en.wikipedia.org/wiki/Portal:Society',
        'https://en.wikipedia.org/wiki/Portal:Biography',
        'https://en.wikipedia.org/wiki/Portal:Mathematics',
        'https://en.wikipedia.org/wiki/Portal:Technology',
        'https://en.wikipedia.org/wiki/Portal:Geography',
        'https://en.wikipedia.org/wiki/Portal:Science',
        'https://en.wikipedia.org/wiki/Computer_science',
        'https://en.wikipedia.org/wiki/Python_(programming_language)',
        'https://en.wikipedia.org/wiki/Java_(programming_language)',
        'https://en.wikipedia.org/wiki/PHP',
        'https://en.wikipedia.org/wiki/Node.js',
        'https://en.wikipedia.org/wiki/The_C_Programming_Language',
        'https://en.wikipedia.org/wiki/Go_(programming_language)'
    ]
    start_time = time.perf_counter()
    download_all(sites)
    end_time = time.perf_counter()
    print('Download  sites in  seconds'.format(len(sites), end_time - start_time))

if __name__ == '__main__':
    main()

## 输出
Read 151021 from https://en.wikipedia.org/wiki/Portal:Mathematics
Read 129886 from https://en.wikipedia.org/wiki/Portal:Arts
Read 107637 from https://en.wikipedia.org/wiki/Portal:Biography
Read 224118 from https://en.wikipedia.org/wiki/Portal:Society
Read 184343 from https://en.wikipedia.org/wiki/Portal:History
Read 167923 from https://en.wikipedia.org/wiki/Portal:Geography
Read 157811 from https://en.wikipedia.org/wiki/Portal:Technology
Read 91533 from https://en.wikipedia.org/wiki/Portal:Science
Read 321352 from https://en.wikipedia.org/wiki/Computer_science
Read 391905 from https://en.wikipedia.org/wiki/Python_(programming_language)
Read 180298 from https://en.wikipedia.org/wiki/Node.js
Read 56765 from https://en.wikipedia.org/wiki/The_C_Programming_Language
Read 468461 from https://en.wikipedia.org/wiki/PHP
Read 321417 from https://en.wikipedia.org/wiki/Java_(programming_language)
Read 324039 from https://en.wikipedia.org/wiki/Go_(programming_language)
Download 15 sites in 0.19936635800002023 seconds

非常明显，总耗时是0.2s左右，效率一下子提升了10倍+

具体来看这段代码，多线程版本和单线程版的主要区别所在：

with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
     executor.map(download_one, sites)

这里创建了一个线程池，总共有5个线程可以分配使用
executer.map()与Python内置的map()函数类似，表示对sites中的每一个元素并发地调用函数download_one()

顺便提一下，在download_one()函数中使用的requests.get()方法是线程安全的(thread-safe)，因此在多线程的环境下也可以安全使用，并不会出现race condition的情况

另外，虽然线程的数量可以自己定义，但是线程数并不是越多越好
因为线程的创建、维护和删除也会有一定的开销，所以如果设置的很大反而可能会导致速度变慢。往往需要根据实际的需求做一些测试来寻找最优的线程数量

当然，也可以用并行的方式去提高程序运行效率，只需要在download_all()函数中做出下面的变化即可：

with futures.ThreadPoolExecutor(workers) as executor
=>
with futures.ProcessPoolExecutor() as executor: 

在需要修改的这部分代码中，函数ProcessPoolExecutor()表示创建进程池，使用多个进程并行的执行程序
不过通常省略参数workers，因为系统会自动返回CPU的数量作为可以调用的进程数

刚刚提到过，并行的方式一般用在CPU heavy的场景中，因为对于I/O heavy的操作多数时间都会用于等待，相比于多线程，使用多进程并不会提升效率。反而很多时候，因为CPU数量的限制，会导致其执行效率不如多线程版本

三、什么是Futures

3.1 Futures的作用

Python中的Futures模块，位于concurrent.futures和asyncio中，它们都表示带有延迟的操作
Futures会将处于等待状态的操作包裹起来放到队列中，这些操作的状态随时可以查询。当然，它们的结果如果是异常也能够在操作完成后被获取

通常来说，作为用户不用考虑如何去创建Futures，这些Futures底层都会处理好，要做的是实际上是去schedule这些Futures的执行

比如，Futures中的Executor类，当执行executor.submit(func)时便会安排里面的func()函数执行，并返回创建好的future实例，以便你之后查询调用

3.2 一些常用的函数

• done()

Futures中的方法done()，表示相对应的操作是否完成——True表示完成，False表示没有完成

注意：done()是non-blocking，立即返回结果

• add_done_callback(fn)

相对应的add_done_callback(fn)，表示Futures完成后相对应的参数函数fn，会被通知并执行调用

• result()

Futures中还有一个重要的函数result()，它表示当future完成后返回其对应的结果或异常

• as_completed(fs)

as_completed(fs)，则是针对给定的future迭代器fs，在其完成后返回完成后的迭代器

上述例子也可以写成下面的形式：

import concurrent.futures
import requests
import time

def download_one(url):
    resp = requests.get(url)
    print('Read  from '.format(len(resp.content), url))

def download_all(sites):
    with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
        to_do = []
        for site in sites:
            future = executor.submit(download_one, site)
            to_do.append(future)
            
        for future in concurrent.futures.as_completed(to_do):
            future.result()
def main():
    sites = [
        'https://en.wikipedia.org/wiki/Portal:Arts',
        'https://en.wikipedia.org/wiki/Portal:History',
        'https://en.wikipedia.org/wiki/Portal:Society',
        'https://en.wikipedia.org/wiki/Portal:Biography',
        'https://en.wikipedia.org/wiki/Portal:Mathematics',
        'https://en.wikipedia.org/wiki/Portal:Technology',
        'https://en.wikipedia.org/wiki/Portal:Geography',
        'https://en.wikipedia.org/wiki/Portal:Science',
        'https://en.wikipedia.org/wiki/Computer_science',
        'https://en.wikipedia.org/wiki/Python_(programming_language)',
        'https://en.wikipedia.org/wiki/Java_(programming_language)',
        'https://en.wikipedia.org/wiki/PHP',
        'https://en.wikipedia.org/wiki/Node.js',
        'https://en.wikipedia.org/wiki/The_C_Programming_Language',
        'https://en.wikipedia.org/wiki/Go_(programming_language)'
    ]
    start_time = time.perf_counter()
    download_all(sites)
    end_time = time.perf_counter()
    print('Download  sites in  seconds'.format(len(sites), end_time - start_time))

if __name__ == '__main__':
    main()

# 输出
Read 129886 from https://en.wikipedia.org/wiki/Portal:Arts
Read 107634 from https://en.wikipedia.org/wiki/Portal:Biography
Read 224118 from https://en.wikipedia.org/wiki/Portal:Society
Read 158984 from https://en.wikipedia.org/wiki/Portal:Mathematics
Read 184343 from https://en.wikipedia.org/wiki/Portal:History
Read 157949 from https://en.wikipedia.org/wiki/Portal:Technology
Read 167923 from https://en.wikipedia.org/wiki/Portal:Geography
Read 94228 from https://en.wikipedia.org/wiki/Portal:Science
Read 391905 from https://en.wikipedia.org/wiki/Python_(programming_language)
Read 321352 from https://en.wikipedia.org/wiki/Computer_science
Read 180298 from https://en.wikipedia.org/wiki/Node.js
Read 321417 from https://en.wikipedia.org/wiki/Java_(programming_language)
Read 468421 from https://en.wikipedia.org/wiki/PHP
Read 56765 from https://en.wikipedia.org/wiki/The_C_Programming_Language
Read 324039 from https://en.wikipedia.org/wiki/Go_(programming_language)
Download 15 sites in 0.21698231499976828 seconds

• 首先调用executor.submit()，将下载每一个网站的内容都放进future队列to_do，等待执行
• 然后是as_completed()函数，在future完成后便输出结果

这里要注意，future列表中每个future完成的顺序，和它在列表中的顺序并不一定完全一致。到底哪个先完成、哪个后完成，取决于系统的调度和每个future的执行时间

四、多线程的执行

那为什么多线程每次只能有一个线程执行呢？

同一时刻，Python主程序只允许有一个线程执行，所以Python的并发是通过多线程的切换完成的。这到底是为什么呢？

这里就涉及到全局解释器锁的概念

事实上，Python的解释器并不是线程安全的，为了解决由此带来的race condition等问题，Python便引入了全局解释器锁，也就是同一时刻只允许一个线程执行
当然，在执行I/O操作时，如果一个线程被block 了，全局解释器锁便会被释放，从而让另一个线程能够继续执行

五、总结

首先学习了Python中并发和并行的概念与区别

• 并发

通过线程和任务之间互相切换的方式实现，但同一时刻只允许有一个线程或任务执行

• 并行

指多个进程同时执行

并发通常用于I/O操作频繁的场景，而并行则适用于CPU heavy的场景

随后，通过下载网站内容的例子，比较了单线程和运用Futures的多线程版本的性能差异。显而易见，合理地运用多线程能够极大地提高程序运行效率

还学习了Futures的具体原理，介绍了一些常用函数比如done()、result()、as_completed()等的用法，并辅以实例加以理解

要注意，Python中之所以同一时刻只允许一个线程运行，其实是由于全局解释器锁的存在。但是对I/O操作而言，当其被block的时候全局解释器锁便会被释放，使其他线程继续执行