2. 程式人生 > >python采用 多進程/多線程/協程 寫爬蟲以及性能對比，牛逼的分分鐘就將一個網站爬下來!

python采用 多進程/多線程/協程 寫爬蟲以及性能對比，牛逼的分分鐘就將一個網站爬下來!

阿新 • • 發佈：2017-10-06
分配 返回 afa 一個 同方 except erer 簡單 direct

首先我們來了解下python中的進程，線程以及協程！

從計算機硬件角度：

計算機的核心是CPU，承擔了所有的計算任務。
一個CPU，在一個時間切片裏只能運行一個程序。

從操作系統的角度：

進程和線程，都是一種CPU的執行單元。

進程：表示一個程序的上下文執行活動（打開、執行、保存...）

線程：進程執行程序時候的最小調度單位（執行a，執行b...)

一個程序至少有一個進程，一個進程至少有一個線程。

並行 和 並發：


並行：多個CPU核心，不同的程序就分配給不同的CPU來運行。可以讓多個程序同時執行。

cpu1 -------------
cpu2 -------------
cpu3 -------------
cpu4 -------------

並發：單個CPU核心，在一個時間切片裏一次只能運行一個程序，如果需要運行多個程序，則串行執行。

cpu1　　----　　----

cpu1 　　　----　　----


多進程/多線程：
表示可以同時執行多個任務，進程和線程的調度是由操作系統自動完成。


進程：每個進程都有自己獨立的內存空間，不同進程之間的內存空間不共享。
進程之間的通信有操作系統傳遞，導致通訊效率低，切換開銷大。

線程：一個進程可以有多個線程，所有線程共享進程的內存空間，通訊效率高，切換開銷小。

共享意味著競爭，導致數據不安全，為了保護內存空間的數據安全，引入"互斥鎖"。

一個線程在訪問內存空間的時候，其他線程不允許訪問，必須等待之前的線程訪問結束，才能使用這個內存空間。

互斥鎖：一種安全有序的讓多個線程訪問內存空間的機制。

Python的多線程：

GIL 全局解釋器鎖：線程的執行權限，在Python的進程裏只有一個GIL。

一個線程需要執行任務，必須獲取GIL。

好處：直接杜絕了多個線程訪問內存空間的安全問題。
壞處：Python的多線程不是真正多線程，不能充分利用多核CPU的資源。

但是，在I/O阻塞的時候，解釋器會釋放GIL。


所以：

多進程：密集CPU任務，需要充分使用多核CPU資源（服務器，大量的並行計算）的時候，用多進程。 multiprocessing
缺陷：多個進程之間通信成本高，切換開銷大。


多線程：密集I/O任務（網絡I/O，磁盤I/O，數據庫I/O）使用多線程合適。
threading.Thread、multiprocessing.dummy
缺陷：同一個時間切片只能運行一個線程，不能做到高並行，但是可以做到高並發。


協程：又稱微線程，在單線程上執行多個任務，用函數切換，開銷極小。不通過操作系統調度，沒有進程、線程的切換開銷。genvent，monkey.patchall

多線程請求返回是無序的，那個線程有數據返回就處理那個線程，而協程返回的數據是有序的。

缺陷：單線程執行，處理密集CPU和本地磁盤IO的時候，性能較低。處理網絡I/O性能還是比較高.

下面以這個網站為例，采用三種方式爬取。爬取前250名的電影。。

https://movie.douban.com/top250?start=0

通過分析網頁發現第2頁的url start=25，第3頁的url start=50,第3頁的start=75。因此可以得出這個網站每一頁的數局是通過遞增start這個參數獲取的。

一般不看第一頁的數據，第一頁的沒有參考價值。

技術分享

這次我們主要爬取，電影名字跟評分。只是使用不同方式去對比下不同點，所以數據方面就不過多提取或者保存。只是簡單的將其爬取下打印出來看看。

第一：采用多進程 , multiprocessing 模塊。 當然這個耗時更網絡好壞有關。在全部要請求都正常的情況下耗時15s多。

技術分享 
#!/usr/bin/env python2
# -*- coding=utf-8 -*-

from multiprocessing import Process, Queue

import time
from lxml import etree
import requests


class DouBanSpider(Process):
    def __init__(self, url, q):
        # 重寫寫父類的__init__方法
        super(DouBanSpider, self).__init__()
        self.url = url
        self.q = q
        self.headers = {
            ‘Host‘: ‘movie.douban.com‘,
            ‘Referer‘: ‘https://movie.douban.com/top250?start=225&filter=‘,
            ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36‘,
        }

    def run(self):
        self.parse_page()

    def send_request(self,url):
        ‘‘‘
        用來發送請求的方法
        :return: 返回網頁源碼
        ‘‘‘
        # 請求出錯時，重復請求３次,
        i = 0
        while i <= 3:
            try:
                print u"[INFO]請求url:"+url
                return requests.get(url=url,headers=self.headers).content
            except Exception as e:
                print u‘[INFO] %s%s‘% (e,url)
                i += 1

    def parse_page(self):
        ‘‘‘
        解析網站源碼，並采用ｘｐａｔｈ提取　電影名稱和平分放到隊列中
        :return:
        ‘‘‘
        response = self.send_request(self.url)
        html = etree.HTML(response)
        #　獲取到一頁的電影數據
        node_list = html.xpath("//div[@class=‘info‘]")
        for move in node_list:
            # 電影名稱
            title = move.xpath(‘.//a/span/text()‘)[0]
            # 評分
            score = move.xpath(‘.//div[@class="bd"]//span[@class="rating_num"]/text()‘)[0]
           
            # 將每一部電影的名稱跟評分加入到隊列
            self.q.put(score + "\t" + title)


def main():
    # 創建一個隊列用來保存進程獲取到的數據
    q = Queue()
    base_url = ‘https://movie.douban.com/top250?start=‘
    # 構造所有ｕｒｌ
    url_list = [base_url+str(num) for num in range(0,225+1,25)]

    # 保存進程
    Process_list = []
    # 創建並啟動進程
    for url in url_list:
        p = DouBanSpider(url,q)
        p.start()
        Process_list.append(p)
    
    # 讓主進程等待子進程執行完成
    for i in Process_list:
        i.join()

    while not q.empty():
        print q.get()

if __name__=="__main__":
    
    start = time.time()
    main()
    print ‘[info]耗時：%s‘%(time.time()-start)
Process多進程實現 
#!/usr/bin/env python2
# -*- coding=utf-8 -*-

from multiprocessing import Process, Queue

import time
from lxml import etree
import requests


class DouBanSpider(Process):
    def __init__(self, url, q):
        # 重寫寫父類的__init__方法
        super(DouBanSpider, self).__init__()
        self.url = url
        self.q = q
        self.headers = {
            ‘Host‘: ‘movie.douban.com‘,
            ‘Referer‘: ‘https://movie.douban.com/top250?start=225&filter=‘,
            ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36‘,
        }

    def run(self):
        self.parse_page()

    def send_request(self,url):
        ‘‘‘
        用來發送請求的方法
        :return: 返回網頁源碼
        ‘‘‘
        # 請求出錯時，重復請求３次,
        i = 0
        while i <= 3:
            try:
                print u"[INFO]請求url:"+url
                return requests.get(url=url,headers=self.headers).content
            except Exception as e:
                print u‘[INFO] %s%s‘% (e,url)
                i += 1

    def parse_page(self):
        ‘‘‘
        解析網站源碼，並采用ｘｐａｔｈ提取　電影名稱和平分放到隊列中
        :return:
        ‘‘‘
        response = self.send_request(self.url)
        html = etree.HTML(response)
        #　獲取到一頁的電影數據
        node_list = html.xpath("//div[@class=‘info‘]")
        for move in node_list:
            # 電影名稱
            title = move.xpath(‘.//a/span/text()‘)[0]
            # 評分
            score = move.xpath(‘.//div[@class="bd"]//span[@class="rating_num"]/text()‘)[0]
           
            # 將每一部電影的名稱跟評分加入到隊列
            self.q.put(score + "\t" + title)


def main():
    # 創建一個隊列用來保存進程獲取到的數據
    q = Queue()
    base_url = ‘https://movie.douban.com/top250?start=‘
    # 構造所有ｕｒｌ
    url_list = [base_url+str(num) for num in range(0,225+1,25)]

    # 保存進程
    Process_list = []
    # 創建並啟動進程
    for url in url_list:
        p = DouBanSpider(url,q)
        p.start()
        Process_list.append(p)
    
    # 讓主進程等待子進程執行完成
    for i in Process_list:
        i.join()

    while not q.empty():
        print q.get()

if __name__=="__main__":
    
    start = time.time()
    main()
    print ‘[info]耗時：%s‘%(time.time()-start)

　　

技術分享

采用多線程時，耗時10.4s

技術分享 
#!/usr/bin/env python2
# -*- coding=utf-8 -*-

from threading import Thread
from Queue import Queue
import time
from lxml import etree
import requests


class DouBanSpider(Thread):
    def __init__(self, url, q):
        # 重寫寫父類的__init__方法
        super(DouBanSpider, self).__init__()
        self.url = url
        self.q = q
        self.headers = {
            ‘Cookie‘: ‘ll="118282"; bid=ctyiEarSLfw; ps=y; __yadk_uid=0Sr85yZ9d4bEeLKhv4w3695OFOPoedzC; dbcl2="155150959:OEu4dds1G1o"; as="https://sec.douban.com/b?r=https%3A%2F%2Fbook.douban.com%2F"; ck=fTrQ; _pk_id.100001.4cf6=c86baf05e448fb8d.1506160776.3.1507290432.1507283501.; _pk_ses.100001.4cf6=*; __utma=30149280.1633528206.1506160772.1507283346.1507290433.3; __utmb=30149280.0.10.1507290433; __utmc=30149280; __utmz=30149280.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=223695111.1475767059.1506160772.1507283346.1507290433.3; __utmb=223695111.0.10.1507290433; __utmc=223695111; __utmz=223695111.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); push_noty_num=0; push_doumail_num=0‘,
            ‘Host‘: ‘movie.douban.com‘,
            ‘Referer‘: ‘https://movie.douban.com/top250?start=225&filter=‘,
            ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36‘,
        }

    def run(self):
        self.parse_page()

    def send_request(self,url):
        ‘‘‘
        用來發送請求的方法
        :return: 返回網頁源碼
        ‘‘‘
        # 請求出錯時，重復請求３次,
        i = 0
        while i <= 3:
            try:
                print u"[INFO]請求url:"+url
                html = requests.get(url=url,headers=self.headers).content
            except Exception as e:
                print u‘[INFO] %s%s‘% (e,url)
                i += 1
            else:
                return html

    def parse_page(self):
        ‘‘‘
        解析網站源碼，並采用ｘｐａｔｈ提取　電影名稱和平分放到隊列中
        :return:
        ‘‘‘
        response = self.send_request(self.url)
        html = etree.HTML(response)
        #　獲取到一頁的電影數據
        node_list = html.xpath("//div[@class=‘info‘]")
        for move in node_list:
            # 電影名稱
            title = move.xpath(‘.//a/span/text()‘)[0]
            # 評分
            score = move.xpath(‘.//div[@class="bd"]//span[@class="rating_num"]/text()‘)[0]

            # 將每一部電影的名稱跟評分加入到隊列
            self.q.put(score + "\t" + title)


def main():
    # 創建一個隊列用來保存進程獲取到的數據
    q = Queue()
    base_url = ‘https://movie.douban.com/top250?start=‘
    # 構造所有ｕｒｌ
    url_list = [base_url+str(num) for num in range(0,225+1,25)]

    # 保存線程
    Thread_list = []
    # 創建並啟動線程
    for url in url_list:
        p = DouBanSpider(url,q)
        p.start()
        Thread_list.append(p)

    # 讓主線程等待子線程執行完成
    for i in Thread_list:
        i.join()

    while not q.empty():
        print q.get()

if __name__=="__main__":

    start = time.time()
    main()
    print ‘[info]耗時：%s‘%(time.time()-start)
thread 
#!/usr/bin/env python2
# -*- coding=utf-8 -*-

from threading import Thread
from Queue import Queue
import time
from lxml import etree
import requests


class DouBanSpider(Thread):
    def __init__(self, url, q):
        # 重寫寫父類的__init__方法
        super(DouBanSpider, self).__init__()
        self.url = url
        self.q = q
        self.headers = {
            ‘Cookie‘: ‘ll="118282"; bid=ctyiEarSLfw; ps=y; __yadk_uid=0Sr85yZ9d4bEeLKhv4w3695OFOPoedzC; dbcl2="155150959:OEu4dds1G1o"; as="https://sec.douban.com/b?r=https%3A%2F%2Fbook.douban.com%2F"; ck=fTrQ; _pk_id.100001.4cf6=c86baf05e448fb8d.1506160776.3.1507290432.1507283501.; _pk_ses.100001.4cf6=*; __utma=30149280.1633528206.1506160772.1507283346.1507290433.3; __utmb=30149280.0.10.1507290433; __utmc=30149280; __utmz=30149280.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=223695111.1475767059.1506160772.1507283346.1507290433.3; __utmb=223695111.0.10.1507290433; __utmc=223695111; __utmz=223695111.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); push_noty_num=0; push_doumail_num=0‘,
            ‘Host‘: ‘movie.douban.com‘,
            ‘Referer‘: ‘https://movie.douban.com/top250?start=225&filter=‘,
            ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36‘,
        }

    def run(self):
        self.parse_page()

    def send_request(self,url):
        ‘‘‘
        用來發送請求的方法
        :return: 返回網頁源碼
        ‘‘‘
        # 請求出錯時，重復請求３次,
        i = 0
        while i <= 3:
            try:
                print u"[INFO]請求url:"+url
                html = requests.get(url=url,headers=self.headers).content
            except Exception as e:
                print u‘[INFO] %s%s‘% (e,url)
                i += 1
            else:
                return html

    def parse_page(self):
        ‘‘‘
        解析網站源碼，並采用ｘｐａｔｈ提取　電影名稱和平分放到隊列中
        :return:
        ‘‘‘
        response = self.send_request(self.url)
        html = etree.HTML(response)
        #　獲取到一頁的電影數據
        node_list = html.xpath("//div[@class=‘info‘]")
        for move in node_list:
            # 電影名稱
            title = move.xpath(‘.//a/span/text()‘)[0]
            # 評分
            score = move.xpath(‘.//div[@class="bd"]//span[@class="rating_num"]/text()‘)[0]

            # 將每一部電影的名稱跟評分加入到隊列
            self.q.put(score + "\t" + title)


def main():
    # 創建一個隊列用來保存進程獲取到的數據
    q = Queue()
    base_url = ‘https://movie.douban.com/top250?start=‘
    # 構造所有ｕｒｌ
    url_list = [base_url+str(num) for num in range(0,225+1,25)]

    # 保存線程
    Thread_list = []
    # 創建並啟動線程
    for url in url_list:
        p = DouBanSpider(url,q)
        p.start()
        Thread_list.append(p)

    # 讓主線程等待子線程執行完成
    for i in Thread_list:
        i.join()

    while not q.empty():
        print q.get()

if __name__=="__main__":

    start = time.time()
    main()
    print ‘[info]耗時：%s‘%(time.time()-start)

　　

技術分享

采用協程爬取，耗時15S，

技術分享 
#!/usr/bin/env python2
# -*- coding=utf-8 -*-

from Queue import Queue
import time
from lxml import etree
import requests
import gevent

#　打上猴子補丁
from gevent import monkey
monkey.patch_all()

class DouBanSpider(object):
    def __init__(self):
        # 創建一個隊列用來保存進程獲取到的數據
        self.q = Queue()
        self.headers = {
            ‘Cookie‘: ‘ll="118282"; bid=ctyiEarSLfw; ps=y; __yadk_uid=0Sr85yZ9d4bEeLKhv4w3695OFOPoedzC; dbcl2="155150959:OEu4dds1G1o"; as="https://sec.douban.com/b?r=https%3A%2F%2Fbook.douban.com%2F"; ck=fTrQ; _pk_id.100001.4cf6=c86baf05e448fb8d.1506160776.3.1507290432.1507283501.; _pk_ses.100001.4cf6=*; __utma=30149280.1633528206.1506160772.1507283346.1507290433.3; __utmb=30149280.0.10.1507290433; __utmc=30149280; __utmz=30149280.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=223695111.1475767059.1506160772.1507283346.1507290433.3; __utmb=223695111.0.10.1507290433; __utmc=223695111; __utmz=223695111.1506160772.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); push_noty_num=0; push_doumail_num=0‘,
            ‘Host‘: ‘movie.douban.com‘,
            ‘Referer‘: ‘https://movie.douban.com/top250?start=225&filter=‘,
            ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36‘,
        }

    def run(self,url):
        self.parse_page(url)

    def send_request(self,url):
        ‘‘‘
        用來發送請求的方法
        :return: 返回網頁源碼
        ‘‘‘
        # 請求出錯時，重復請求３次,
        i = 0
        while i <= 3:
            try:
                print u"[INFO]請求url:"+url
                html = requests.get(url=url,headers=self.headers).content
            except Exception as e:
                print u‘[INFO] %s%s‘% (e,url)
                i += 1
            else:
                return html

    def parse_page(self,url):
        ‘‘‘
        解析網站源碼，並采用ｘｐａｔｈ提取　電影名稱和平分放到隊列中
        :return:
        ‘‘‘
        response = self.send_request(url)
        html = etree.HTML(response)
        #　獲取到一頁的電影數據
        node_list = html.xpath("//div[@class=‘info‘]")
        for move in node_list:
            # 電影名稱
            title = move.xpath(‘.//a/span/text()‘)[0]
            # 評分
            score = move.xpath(‘.//div[@class="bd"]//span[@class="rating_num"]/text()‘)[0]

            # 將每一部電影的名稱跟評分加入到隊列
            self.q.put(score + "\t" + title)


    def main(self):


        base_url = ‘https://movie.douban.com/top250?start=‘
        # 構造所有ｕｒｌ
        url_list = [base_url+str(num) for num in range(0,225+1,25)]
        # 創建協程並執行
        job_list = [gevent.spawn(self.run,url) for url in url_list]
        # 讓線程等待所有任務完成，再繼續執行。
        gevent.joinall(job_list)

        while not self.q.empty():
            print self.q.get()

if __name__=="__main__":
    start = time.time()
    douban = DouBanSpider()
    douban.main()
    print ‘[info]耗時：%s‘%(time.time()-start)
gevent

技術分享

用了多進程，多線程，協程，實現的代碼都一樣，沒有測試出明顯的那個好！都不分上下，可能跟網絡，或者服務器配置有關。

但理論上來說線程，協程在I/O密集的操作性能是要高於進程的。

也可能是我的方法有問題，還望大神們指教！

python采用 多進程/多線程/協程 寫爬蟲以及性能對比，牛逼的分分鐘就將一個網站爬下來!

相關推薦

python采用 多進程/多線程/協程 寫爬蟲以及性能對比，牛逼的分分鐘就將一個網站爬下來!

分配 返回 afa 一個 同方 except erer 簡單 direct 首先我們來了解下python中的進程，線程以及協程！ 從計算機硬件角度： 計算機的核心是CPU，承擔了所有的計算任務。一個CPU，在一個時間切片裏只能運行一個程序。 從操作系統的角度： 進程

python 采用 BoundedSemaphore 限制多進程訪問qps

python# -*- coding: utf-8 -*- """ Created on Tue Sep 19 00:06:12 2017 @author: 37652 """ import threading import time import timer2 import requests def

Python--線程隊列(queue)、multiprocessing模塊（進程對列Queue、管道(pipe)、進程池）、協程

有一種 啟動進程 fin 機制 內部 優先級隊列 queue類 解決 producing 隊列(queue) 隊列只在多線程裏有意義，是一種線程安全的數據結構。 get與put方法 ‘‘‘ 創建一個“隊列”對象 import queue q = queue.Que

python併發程式設計之多程序、多執行緒、非同步和協程

一、多執行緒 　　多執行緒就是允許一個程序記憶體在多個控制權，以便讓多個函式同時處於啟用狀態，從而讓多個函式的操作同時執行。即使是單CPU的計算機，也可以通過不停地在不同執行緒的指令間切換，從而造成多執行緒同時執行的效果。 　　多執行緒相當於一個併發(concunrr

爬蟲提高性能：串行、線程進程、異步非阻塞

過程 p s eight [] open 接收 text future io模型 閱讀目錄 一 背景知識 二 同步、異步、回調機制 三 高性能 一 背景知識 爬蟲的本質就是一個socket客戶端與服務端的通信過程，如果我們有多個url待爬取，只用一個線程

網絡編程-協程-3、使用協程創建多任務圖片下載

import img ood ike user read .html code windows 知識點： 1、爬取網站圖片 import re from urllib import request import time,os headeers = {‘User-A

python------面向對象進階 Socket網絡編程

系統 組織 com bubuko 一個 types http pen pytho 一.Socket網絡編程 1.七層模型，亦稱OSI（Open System Interconnection）參考模型，是參考模型是國際標準化組織（ISO）制定的一個用於計算機或通信系統間互聯的

Python 線程----線程方法,線程事件,線程隊列,線程池,GIL鎖,協程,Greenlet

opensta 回收 chunks www 不能 第一個元素 連接 none 恢復 主要內容: 　　線程的一些其他方法 　　線程事件 　　線程隊列 　　線程池 　　GIL鎖 　　協程 　　Greenlet 　　Gevent 一. 線程(threading)的一些其他方法

Mysql_Binary_Install_Scripts(采用二進制方式安裝)

safe x86_64 defaults cal gre ack dreams gin pre Mysql_Binary_Install_Scripts(采用二進制方式安裝) 腳本內容如下： #!/bin/bash ############################

python采用pika庫使用rabbitmq（二） --工作隊列

col min pro red exc 理解 需要 color 工作者 消息也可以理解為任務，消息發送者可以理解為任務分配者，消息接收者可以理解為工作者，當工作者接收到一個任務，還沒完成的時候，任務分配者又發一個任務過來，那就忙不過來了，於是就需要多個工作者來共同處理這些

推薦一個采用方便程序員在線動畫學習常用算法的良心網站

定義 visual 學習 文章 -668 play 技術分享 自動 我想 網址：https://algorithm-visualizer.org/ 進去之後的頁面是程序員熟悉的碼農風格： 假設我想學習冒泡排序算法，在搜索欄裏輸入sort，在結果列表裏選擇bubble so

單線程與線程池的性能對比

block execute for try log lsi down blocking exe 親自嘗試了之後才發現，雖然同是一個線程在工作，但是使用線程池效率竟然可以提升這麽多！ 代碼如下： 1 package cn.sp.test; 2 3 import ja

GIL線程全局鎖 協程

就是 任務 多線程 sch glob python user log con GIL線程全局鎖 線程全局鎖(Global Interpreter Lock),即Python為了保證線程安全而采取的獨立線程運行的限制,說白了就是一個核只能在同一時間運行一個線程.對於io密集型

Python的異步編程[0] -> 協程[1] -> 使用協程建立自己的異步非阻塞模型

.net post this fab htm true 底層實現 自己 print 使用協程建立自己的異步非阻塞模型 接下來例子中，將使用純粹的Python編碼搭建一個異步模型，相當於自己構建的一個asyncio模塊，這也許能對asyncio模塊底層實現的理解有更大的

python-gevent模塊（自動切換io的協程）

UNC TE fun AS imp In 程序 自動 AR import gevent def foo(): print("Running in foo") gevent.sleep(2) print("Explicit context sw

轉載 ->關於Android多語言國際化，牛逼，寫的不錯

今天，簡單講講 android 裡如何將語言國際化，和各個國家語言的value資料夾的命名規則。 昨天，需要將app的字元資源國際化，可是卻不知道如何命名，在網上找了資料，終於解決了問題。 Android 文字資源國際化   1. 新建一箇中文資原始檔夾  

python中socket、程序、執行緒、協程、池的建立方式和應用場景

程序 場景 利用多核、高計算型的程式、啟動數量有限 程序是計算機中最小的資源分配單位 程序和執行緒是包含關係 每個程序中都至少有一條執行緒 可以利用多核，資料隔離

轉載 ->關於Android多語言國際化，牛逼，寫的不錯

今天，簡單講講 android 裡如何將語言國際化，和各個國家語言的value資料夾的命名規則。 昨天，需要將app的字元資源國際化，可是卻不知道如何命名，在網上找了資料，終於解決了問題。 Android 文字資源國際化 1. 新建一箇中文資原始檔夾     va

Python之旅12:執行緒、程序和協程

本章內容： 執行緒（執行緒鎖、threading.Event、queue 佇列、生產者消費者模型、自定義執行緒池） 程序（資料共享、程序池） 協程 概念： 1、程序：本質上就是一段程式的執行過程（抽象概念） 2、執行緒：最小的執行單元 3、程序：最小的資源單

python 執行緒(其他方法,佇列,執行緒池,協程 greenlet模組 gevent模組)

1.執行緒的其他方法 from threading import Thread,current_thread import time import threading def f1(n): time.sleep(1) print('子執行緒名稱',current_thread().ge