對于多線程的使用，我們經常是用thread來創建，比較繁瑣. 在Python中，可以使用map函數簡化代碼。map可以實現多任務的并發

task = [‘任務1’, ‘任務2’, ‘任務3’, …]

map 函數一手包辦了序列操作、參數傳遞和結果保存等一系列的操作，map函數負責將線程分給不同的CPU。

在 Python 中有個兩個庫包含了 map 函數： multiprocessing 和它鮮為人知的子庫 multiprocessing.dummy.dummy 是 multiprocessing 模塊的完整克隆，唯一的不同在于 multiprocessing 作用于進程，而 dummy 模塊作用于線程。

代碼如下：

from multiprocessing.dummy import Pool as ThreadPoolimport osimport requestsimport timeimport numpy as np# 文件夾位置filepath = r’C:UsersAdministratorDesktopceshi’pool = ThreadPool(10)#開啟線程數,即一次性拋出的請求數time_list = []#用來計算時間xml_list = []#數據集pathDir = os.listdir(filepath)for i, allDir in enumerate(pathDir): filename = os.path.join(’%s%s’ % (filepath + ’’, allDir)) kk = open(filename, ’r’, encoding=’utf-8’).read() data = kk.encode(’utf-8’) for k in range(10): xml_list.append(data)def res(data): # 訪問目標服務器地址 url_host = ’https://mp.csdn.net/mdeditor#’ start = time.clock() s = requests.post(url_host, data=data) end = time.clock() if s.status_code == 200: print(end-start) time_list.append(end-start) else: print(’請求失敗’)# 傳入的參數,1為函數, 2為參數result = pool.map(res, xml_list)all_arr = np.array(time_list)aver = np.mean(all_arr)variance = np.var(all_arr)mid = np.median(all_arr)min_num = np.min(all_arr)max_num = np.max(all_arr)print(’平均值 : ’+ str(aver))print(’方差 : ’ + str(variance))print(’中值 : ’ + str(mid))print(’最小值 : ’ + str(min_num))print(’最大值 : ’ + str(max_num))

個人做的小測試，如果有錯誤的地方希望留言提出意見及建議。

補充：python多進程(multiprocessing)(map)

map函數一手包辦了序列操作，參數傳遞和結果保存等一系列的操作。

from multiprocessing.dummy import Poolpoop = Pool(4) # 4代表電腦是多少核的results = pool.map(爬取函數,網址列表)from multiprocessing.dummy import Pool as ThreadPoolimport requestsimport timekv = {’user-agent’:’Mozilla/5.0’}def getsource(url): html = requests.get(url,headers=kv)urls = []for i in range(0,41): i = i*50 newpage = ’https://tieba.baidu.com/f?kw=讀書&ie=utf-8&pn=’ + str(i) urls.append(newpage)# 單線程爬取time1 = time.time()for each in urls: print(each) getsource(each)time2 = time.time()print(’單線程耗時: ’ + str(time2-time1))# 多線程爬取pool = ThreadPool(8)time3 = time.time()results = pool.map(getsource, urls)pool.close()pool.join()time4 = time.time()print(’多線程所消耗時間:’ + str(time4 - time3))

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。如有錯誤或未考慮完全的地方，望不吝賜教。