在 Python 中,我们可以使用requests
库来发送 HTTP 请求,并使用threading
、multiprocessing
、asyncio
(配合aiohttp
)或concurrent.futures
等库来并发执行这些请求。这里,我将为我们展示使用concurrent.futures.ThreadPoolExecutor
和requests
库并发执行 HTTP 请求的示例。
1.使用concurrent.futures.ThreadPoolExecutor
并发发送请求示例
首先,我们需要安装requests
库(如果还没有安装的话):
bash复制代码
pip install requests
复制代码
然后,我们可以使用以下代码来并发地发送 HTTP GET 请求:
import concurrent.futures
import requests
# 假设我们有一个URL列表
urls = [
'http://example.com/api/data1',
'http://example.com/api/data2',
'http://example.com/api/data3',
# ... 添加更多URL
]
# 定义一个函数,该函数接收一个URL,发送GET请求,并打印响应内容
def fetch_data(url):
try:
response = requests.get(url)
response.raise_for_status() # 如果请求失败(例如,4xx、5xx),则抛出HTTPError异常
print(f"URL: {url}, Status Code: {response.status_code}, Content: {response.text[:100]}...")
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
# 使用ThreadPoolExecutor并发地执行fetch_data函数
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor: # 你可以根据需要调整max_workers的值
future_to_url = {executor.submit(fetch_data, url): url for url in urls}
for future in concurrent.futures.as_completed(future_to_url):
url = future_to_url[future]
try:
# 通过调用future.result()来获取函数的返回值,这会阻塞,直到结果可用
# 但是请注意,这里我们只是打印结果,没有返回值,所以调用future.result()只是为了等待函数完成
future.result()
except Exception as exc:
print(f'Generated an exception for {url}: {exc}')
复制代码
在这里简单解释一下这个代码示例。
(1)我们首先定义了一个 URL 列表,这些是我们想要并发访问的 URL。
(2)然后,我们定义了一个函数fetch_data
,它接收一个 URL 作为参数,发送 GET 请求,并打印响应的状态码和内容(只打印前 100 个字符以节省空间)。如果发生任何请求异常(例如,网络错误、无效的 URL、服务器错误等),它会捕获这些异常并打印错误消息。
(3)使用concurrent.futures.ThreadPoolExecutor
,我们可以轻松地并发执行fetch_data
函数。我们创建了一个ThreadPoolExecutor
实例,并指定了最大工作线程数(在这个例子中是 5,但我们可以根据需要调整这个值)。然后,我们使用列表推导式将每个 URL 与一个Future
对象关联起来,该对象表示异步执行的函数。
(4)最后,我们使用as_completed
函数迭代所有完成的Future
对象。对于每个完成的Future
对象,我们调用result
方法来获取函数的返回值(尽管在这个例子中我们没有使用返回值)。如果函数执行期间发生任何异常,result
方法会重新引发该异常,我们可以捕获并处理它。
这个示例展示了如何使用 Python 的concurrent.futures
模块来并发地发送 HTTP 请求。这种方法在 IO 密集型任务(如网络请求)上特别有效,因为它允许在等待 IO 操作完成时释放 CPU 资源供其他线程使用。
2.requests 库并发发送 HTTP GET 请求的完整 Python 代码示例
以下是一个使用concurrent.futures.ThreadPoolExecutor
和requests
库并发发送 HTTP GET 请求的完整 Python 代码示例:
import concurrent.futures
import requests
# 假设我们有一个URL列表
urls = [
'https://www.example.com',
'https://httpbin.org/get',
'https://api.example.com/some/endpoint',
# ... 添加更多URL
]
# 定义一个函数来发送GET请求并处理响应
def fetch_url(url):
try:
response = requests.get(url, timeout=5) # 设置超时为5秒
response.raise_for_status() # 如果请求失败,抛出HTTPError异常
return response.text # 返回响应内容,这里只是作为示例,实际使用中可能不需要返回
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
return None
# 使用ThreadPoolExecutor并发地发送请求
def fetch_all_urls(urls):
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
# 使用executor.map来自动处理迭代和Future的获取
results = executor.map(fetch_url, urls)
# 处理结果(这里只是简单地打印出来)
for result in results:
if result is not None:
print(f"Fetched content from a URL (truncated): {result[:100]}...")
# 调用函数
fetch_all_urls(urls)
复制代码
在这个示例中,我们定义了一个fetch_url
函数,它接收一个 URL,发送 GET 请求,并返回响应内容(或在出错时返回None
)。然后,我们定义了一个fetch_all_urls
函数,它使用ThreadPoolExecutor
并发地调用fetch_url
函数,并将结果收集在一个迭代器中。最后,我们遍历这个迭代器,并打印出每个成功获取到的响应内容(这里只打印了前 100 个字符作为示例)。
请注意,我们在requests.get
中设置了一个超时参数(timeout=5
),这是为了防止某个请求因为网络问题或其他原因而无限期地等待。在实际应用中,根据我们的需求调整这个值是很重要的。
此外,我们还使用了executor.map
来自动处理迭代和Future
的获取。executor.map
函数会返回一个迭代器,它会产生fetch_url
函数的返回值,这些值在函数完成后会自动从相应的Future
对象中提取出来。这使得代码更加简洁,并且减少了显式处理Future
对象的需要。
3.如何在 Python 中实现并发编程
在 Python 中实现并发编程,主要有以下几种方式:
(1)使用threading
模块threading
模块提供了多线程编程的 API。Python 的线程是全局解释器锁(GIL)下的线程,这意味着在任意时刻只有一个线程能够执行 Python 字节码。然而,对于 I/O 密集型任务(如网络请求),多线程仍然可以通过并发地等待 I/O 操作来提高性能。
示例:
import threading
import requests
def fetch_url(url):
try:
response = requests.get(url)
response.raise_for_status()
print(f"URL: {url}, Status Code: {response.status_code}")
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
threads = []
for url in urls:
t = threading.Thread(target=fetch_url, args=(url,))
threads.append(t)
t.start()
# 等待所有线程完成
for t in threads:
t.join()
复制代码
(2)使用multiprocessing
模块
multiprocessing
模块提供了跨多个 Python 解释器的进程间并行处理。这对于 CPU 密集型任务特别有用,因为每个进程都有自己的 Python 解释器和 GIL,可以充分利用多核 CPU 的并行处理能力。
示例:
from multiprocessing import Pool
import requests
def fetch_url(url):
try:
response = requests.get(url)
response.raise_for_status()
return f"URL: {url}, Status Code: {response.status_code}"
except requests.RequestException as e:
return f"Error fetching {url}: {e}"
with Pool(processes=4) as pool: # 设定进程池的大小
results = pool.map(fetch_url, urls)
for result in results:
print(result)
复制代码
(3)使用asyncio
模块(针对异步 I/O)
asyncio
是 Python 3.4+中引入的用于编写单线程并发代码的库,特别适合编写网络客户端和服务器。它使用协程(coroutine)和事件循环(event loop)来管理并发。
示例(使用aiohttp
库进行异步 HTTP 请求):
import asyncio
import aiohttp
async def fetch_url(url, session):
async with session.get(url) as response:
return await response.text()
async def main():
async with aiohttp.ClientSession() as session:
tasks = []
for url in urls:
task = asyncio.create_task(fetch_url(url, session))
tasks.append(task)
results = await asyncio.gather(*tasks)
for result, url in zip(results, urls):
print(f"URL: {url}, Content: {result[:100]}...")
# Python 3.7+ 可以使用下面的方式运行主协程
asyncio.run(main())
复制代码
注意:asyncio.run()
是在 Python 3.7 中引入的,用于运行顶层入口点函数。在 Python 3.6 及以下版本中,我们需要自己设置和运行事件循环。
(4)使用concurrent.futures
模块
concurrent.futures
模块提供了高层次的接口,可以轻松地编写并发代码。它提供了ThreadPoolExecutor
(用于线程池)和ProcessPoolExecutor
(用于进程池)。
前面已经给出了ThreadPoolExecutor
的示例,这里不再重复。ProcessPoolExecutor
的用法与ThreadPoolExecutor
类似,只是它是基于进程的。
选择哪种并发方式取决于我们的具体需求。对于 I/O 密集型任务,多线程或异步 I/O 通常是更好的选择;对于 CPU 密集型任务,多进程可能是更好的选择。此外,异步 I/O 通常比多线程具有更好的性能,特别是在高并发的网络应用中。
文章转载自:TechSynapse
原文链接:https://www.cnblogs.com/TS86/p/18268776
体验地址:http://www.jnpfsoft.com/?from=infoq
评论