python利用(threading,ThreadPoolExecutor.map,ThreadPoolExecutor.submit) 三种多线程方式处理 list数据

需求：在从银行数据库中取出 几十万数据时，需要对 每行数据进行相关操作，通过pandas的dataframe发现数据处理过慢，于是 对数据进行 分段后 通过 线程进行处理；

如下给出 测试版代码，通过 list 分段模拟 pandas 的 dataframe ；

 1.使用 threading模块

 # -*- coding: utf-8 -*-
 # (C) Guangcai Ren <renguangcai@jiaaocap.com>
 # All rights reserved
 # create time '2019/6/26 14:41'
 import math
 import random
 import time
 from threading import Thread

 _result_list = []

 def split_df():
     # 线程列表
     thread_list = []
     # 需要处理的数据
     _l = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
     # 每个线程处理的数据大小
     split_count = 2
     # 需要的线程个数
     times = math.ceil(len(_l) / split_count)
     count = 0
     for item in range(times):
         _list = _l[count: count + split_count]
         # 线程相关处理
         thread = Thread(target=work, args=(item, _list,))
         thread_list.append(thread)
         # 在子线程中运行任务
         thread.start()
         count += split_count

     # 线程同步，等待子线程结束任务，主线程再结束
     for _item in thread_list:
         _item.join()

 def work(df, _list):
     """ 线程执行的任务，让程序随机sleep几秒

     :param df:
     :param _list:
     :return:
     """
     sleep_time = random.randint(1, 5)
     print(f'count is {df},sleep {sleep_time},list is {_list}')
     time.sleep(sleep_time)
     _result_list.append(df)

 def use():
     split_df()

 if __name__ == '__main__':
     y = use()
     print(len(_result_list), _result_list)

响应结果如下：

注意点：

脚本中的  _result_list 在项目中 要 放在 函数中，不能直接放在 路由类中，否则会造成 多次请求 数据 污染；

定义线程任务时    thread = Thread(target=work, args=(item, _list,))     代码中的 work函数 和 参数 要分开，否则 多线程无效

注意线程数不能过多

2.使用ThreadPoolExecutor.map 

# -*- coding: utf-8 -*-
# (C) Guangcai Ren <renguangcai@jiaaocap.com>
# All rights reserved
# create time '2019/6/26 14:41'
import math
import random
import time
from concurrent.futures import ThreadPoolExecutor

def split_list():
    # 线程列表
    new_list = []
    count_list = []
    # 需要处理的数据
    _l = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
    # 每个线程处理的数据大小
    split_count = 2
    # 需要的线程个数
    times = math.ceil(len(_l) / split_count)
    count = 0
    for item in range(times):
        _list = _l[count: count + split_count]
        new_list.append(_list)
        count_list.append(count)
        count += split_count
    return new_list, count_list

def work(df, _list):
    """ 线程执行的任务，让程序随机sleep几秒

    :param df:
    :param _list:
    :return:
    """
    sleep_time = random.randint(1, 5)
    print(f'count is {df},sleep {sleep_time},list is {_list}')
    time.sleep(sleep_time)
    return sleep_time, df, _list

def use():
    pool = ThreadPoolExecutor(max_workers=5)
    new_list, count_list = split_list()
    # map返回一个迭代器，其中的回调函数的参数 最好是可以迭代的数据类型，如list；如果有 多个参数 则 多个参数的 数据长度相同；
    # 如： pool.map(work,[[1,2],[3,4]],[0,1]]) 中 [1,2]对应0 ；[3,4]对应1 ；其实内部执行的函数为 work([1,2],0) ; work([3,4],1)
    # map返回的结果 是 有序结果；是根据迭代函数执行顺序返回的结果

    # 使用map的优点是 每次调用回调函数的结果不用手动的放入结果list中
    results = pool.map(work, new_list, count_list)
    print(type(results))
    # 如下2行 会等待线程任务执行结束后 再执行其他代码
    for ret in results:
        print(ret)
    print('thread execute end!')

if __name__ == '__main__':
    use()

响应为：

3.使用 ThreadPoolExecutor.submit 

 # -*- coding: utf-8 -*-
 # (C) Guangcai Ren <renguangcai@jiaaocap.com>
 # All rights reserved
 # create time '2019/6/26 14:41'
 import math
 import random
 import time
 from concurrent.futures import ThreadPoolExecutor

 # 线程池list
 pool_list = []

 def split_df(pool):
     # 需要处理的数据
     _l = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
     # 每个线程处理的数据大小
     split_count = 2
     # 需要的线程个数
     times = math.ceil(len(_l) / split_count)
     count = 0
     for item in range(times):
         _list = _l[count: count + split_count]
         # 线程相关处理
         # submit方法提交可回调的函数，并返回一个future实例；future对象包含相关属性
         # 如: done(函数是否执行完成),result(函数执行结果),running(函数是否正在运行)
         # 从而 可以在submit 后的代码中 查看 相关任务运行情况
         # 此方法 执行数据的结果是无序的，如果需要得到有序的结果，需要 for循环 每个future实例(线程池)，如 此脚本代码
         f = pool.submit(work, item, _list)
         pool_list.append(f)
         count += split_count

 def work(df, _list):
     """ 线程执行的任务，让程序随机sleep几秒

     :param df:
     :param _list:
     :return:
     """
     sleep_time = random.randint(1, 5)
     print(f'count is {df},sleep {sleep_time},list is {_list}')
     time.sleep(sleep_time)
     return sleep_time, df, _list

 def use():
     pool = ThreadPoolExecutor(max_workers=5)
     split_df(pool)
     _result_list = []
     for item in pool_list:
         result_tuple = item.result()
         _result_list.append(result_tuple[1])
     return _result_list

 if __name__ == '__main__':
     _result_list = use()
     print(len(_result_list), _result_list)

结果如下：

个人比较喜欢使用 第二中方法，代码写的少，返回的是有序结果，回调函数结果自动管理在generator中，直接for循环 map的结果即可；不用担心在 项目中多次请求数据污染问题

相关连接：

https://blog.csdn.net/dutsoft/article/details/54728706