Python 在程序并行化方面多少有些聲名狼藉。撇開(kāi)技術(shù)上的問(wèn)題，例如線程的實(shí)現(xiàn)和 GIL，我覺(jué)得錯(cuò)誤的教學(xué)指導(dǎo)才是主要問(wèn)題。常見(jiàn)的經(jīng)典 Python 多線程、多進(jìn)程教程多顯得偏"重"。而且往往隔靴搔癢，沒(méi)有深入探討日常工作中最有用的內(nèi)容。
傳統(tǒng)的例子
簡(jiǎn)單搜索下"Python 多線程教程"，不難發(fā)現(xiàn)幾乎所有的教程都給出涉及類和隊(duì)列的例子：
重慶分公司
重慶分公司
import os
import PIL
from multiprocessing import Pool
from PIL import Image
SIZE = (
75,
75)
SAVE_DIRECTORY = thumbs
def get_image_paths(folder):
return (
os.
path.join(folder, f)
for f
in
os.listdir(folder)
if jpeg
in f)
def create_thumbnail(filename):
im = Image.
open(filename)
im.thumbnail(SIZE, Image.ANTIALIAS)
base, fname =
os.
path.split(filename)
save_path =
os.
path.join(base, SAVE_DIRECTORY, fname)
im.save(save_path)
if __name__ == __main__ :
folder =
os.
path.abspath(
11_18_2013_R000_IQM_Big_Sur_Mon__e10d1958e7b766c3e840 )
os.mkdir(
os.
path.join(folder, SAVE_DIRECTORY))
images = get_image_paths(folder)
pool = Pool()
pool.map(creat_thumbnail, images)
pool.
close()
pool.join()
哈，看起來(lái)有些像 Java 不是嗎？
我并不是說(shuō)使用生產(chǎn)者/消費(fèi)者模型處理多線程/多進(jìn)程任務(wù)是錯(cuò)誤的（事實(shí)上，這一模型自有其用武之地）。只是，處理日常腳本任務(wù)時(shí)我們可以使用更有效率的模型。
but...問(wèn)題在于…
首先，你需要一個(gè)樣板類；
其次，你需要一個(gè)隊(duì)列來(lái)傳遞對(duì)象；
而且，你還需要在通道兩端都構(gòu)建相應(yīng)的方法來(lái)協(xié)助其工作（如果需想要進(jìn)行雙向通信或是保存結(jié)果還需要再引入一個(gè)隊(duì)列）。
worker 越多，問(wèn)題越多
按照這一思路，你現(xiàn)在需要一個(gè) worker 線程的線程池。下面是一篇 IBM 經(jīng)典教程中的例子——在進(jìn)行網(wǎng)頁(yè)檢索時(shí)通過(guò)多線程進(jìn)行加速。
#Example2.py
A more realistic thread pool example
import time
import threading
import Queue
import urllib2
class Consumer(threading.Thread):
def __init__(
self, queue):
threading.Thread.__init__(
self)
self._queue = queue
def run(
self):
while True:
content =
self._queue.get()
if isinstance(content,
str) and content == quit :
break
response = urllib2.urlopen(content)
print Bye byes!
def Producer():
urls = [
http:
//www.python.org , http://www.yahoo.com
http://www.scala.org , http://www.google.com
# etc..
]
queue = Queue.Queue()
worker_threads = build_worker_pool(queue, 4)
start_time = time.time()
# Add the urls to process
for url in urls:
queue.put(url)
# Add the poison pillv
for worker in worker_threads:
queue.put( quit )
for worker in worker_threads:
worker.join()
print Done! Time taken: {} .format(time.time() - start_time)
def build_worker_pool(queue, size):
workers = []
for _ in range(size):
worker = Consumer(queue)
worker.start()
workers.append(worker)
return workers
if __name__ == __main__ :
Producer()
這段代碼能正確的運(yùn)行，但仔細(xì)看看我們需要做些什么：構(gòu)造不同的方法、追蹤一系列的線程，還有為了解決惱人的死鎖問(wèn)題，我們需要進(jìn)行一系列的 join 操作。這還只是開(kāi)始……
至此我們回顧了經(jīng)典的多線程教程，多少有些空洞不是嗎？樣板化而且易出錯(cuò)，這樣事倍功半的風(fēng)格顯然不那么適合日常使用，好在我們還有更好的方法。
試試 map？
map 這一小巧精致的函數(shù)是簡(jiǎn)捷實(shí)現(xiàn) Python 程序并行化的關(guān)鍵。map 源于 Lisp 這類函數(shù)式編程語(yǔ)言。它可以通過(guò)一個(gè)序列實(shí)現(xiàn)兩個(gè)函數(shù)之間的映射。
urls = [ http://www.yahoo.com , http://www.reddit.com ]
results = map(urllib2.urlopen, urls)
上面的這兩行代碼將 urls 這一序列中的每個(gè)元素作為參數(shù)傳遞到 urlopen 方法中，并將所有結(jié)果保存到 results 這一列表中。其結(jié)果大致相當(dāng)于：
results = []
for url in urls:
results.append(urllib2.urlopen(url))
map 函數(shù)一手包辦了序列操作、參數(shù)傳遞和結(jié)果保存等一系列的操作。
為什么這很重要呢？這是因?yàn)榻柚_的庫(kù)，map 可以輕松實(shí)現(xiàn)并行化操作。
