隊列與線程補充

標籤：第一個字元   線程   submit   產生器   fun   ext   類型   func   lifo   

隊列  (同一個進程內的隊列 , 多線程)

　　import queue　　queue.Queue()  先進先出　　queue.lifoQueue()  後進先出　　queue.PriorityQueue()  優先順序隊列

　　q = queue.PriorityQueue()

　　q.put()   接收的是一個元組

　　元組中的第一個參數是 : 表示當前資料的優先順序

　　元組中的第二個參數是 : 需要存放到隊列中的資料

　　優先順序的比較(表示優先順序的類型必須是一致的)

　　如果都是int,比數值的大小,優先選出數值較小的

　　如果都是str ,比較字串的大小,(從第一個字串的ASCAII碼開始比較)優先選出ASCAII碼中靠前的.

 

線程池

　　存放固定數量的線程,這些線程等待任務,一旦有任務,就線程自動執行任務.

　　線程的最佳數量 max_workers = (os.CPU_count() or 1) * 5

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor #線程非同步和進程非同步#concurrent.futures  這個模組是非同步呼叫機制#from multiprocessing import Pool  這個模組既可以非同步也可以同步,def func (num) :    sum = 0    for i in range(num) :        sum += i**2    print(sum)if __name__ == ‘__main__‘:    p = ThreadPoolExecutor(10)    for n in range(100):        #p.submit(func , args=(n,))        p.submit(func , n)#提交任務    p.shutdown()#等效於進程池中的close+join  是指讓父線程等待池中所有進程執行完所有任務

　　

　　如何把多個任務放入線程池

　　for + submit 的方式提交多個任務

　　map(func , iterable)方式去提交多個任務

 

 

　　通過進程池線程池的效率比較

　　　　不管是Pool 的進程池還是ProcessPoolExecutor() 的進程池,執行效率相當

　　　　ThreadPoolExecutor 的效率要差很多

　　　　所以當計算密集時,使用多進程.

 

　　線程傳回值

　　　　用for + submit 方式提交多個任務,用result方法拿結果

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor #線程非同步和進程非同步#concurrent.futures  這個模組是非同步呼叫機制#from multiprocessing import Pool  這個模組既可以非同步也可以同步,def func (num) :    sum = 0    for i in range(num) :        sum += i**2    return sumif __name__ == ‘__main__‘:    p = ThreadPoolExecutor(10)    re = []    for n in range(100):        #p.submit(func , args=(n,))        r = p.submit(func , n)#提交任務        re.append(r)    #p.shutdown()#等效於進程池中的close+join  是指讓父線程等待池中所有進程執行完所有任務    [print(i.result()) for i in re ]#在pool 進程中那結果,用get方法 , 在ThreadPoolExecutor中拿結果使用result方法

 

　　　　用map的方式提交多個任務, 返回的是產生器對象,用__next__() 方法拿結果

 

 

　　回呼函數

 

 

隊列與線程補充