python高性能代码之多线程优化

以常见的端口扫描器为实例

端口扫描器的原理很简单，操作socket来判断连接状态确定主机端口的开放情况。

import socket
def scan(port):
  s = socket.socket()
  if s.connect_ex(('localhost', port)) == 0:
    print port, 'open'
  s.close()
if __name__ == '__main__':
  map(scan,range(1,65536)) 

这是一个socket扫描器的基本代码。

但是如果直接运行会等待很长时间都没有反应，这是因为socket是阻塞的，到等待每个连接超时后才会进入下一个连接。

给这段代码加一个超时

s.settimeout(0.1)

完整的代码如下

import socket
def scan(port):
  s = socket.socket()
  s = settimeont(0.1)
  if s.connect_ex(('localhost', port)) == 0:
    print port, 'open'
  s.close()
if __name__ == '__main__':
  map(scan,range(1,65536)) 

本文的重点不在于扫描器功能部分。而重点在于代码质量的提升和优化从而提升代码的运行效率。

多线程版本：

import socket
import threading
def scan(port):
  s = socket.socket()
  s.settimeout(0.1)
  if s.connect_ex(('localhost', port)) == 0:
    print port, 'open'
  s.close() 

if __name__ == '__main__':
  threads = [threading.Thread(target=scan, args=(i,)) for i in xrange(1,65536)]
  map(lambda x:x.start(),threads) 

Run起来，速度确实快了不少，但是抛出了异常：thread.error: can't start new thread

这个进程开启了65535个线程，有两种可能，一种是超过最大线程数了，一种是超过最大socket句柄数了。在linux可以通过ulimit来修改。
如果不修改最大限制，怎么用多线程不报错呢？
加个queue,变成生产者-消费者模式,开固定线程。

多线程+队列版本：

import socket
import threading
from Queue import Queue
def scan(port):
  s = socket.socket()
  s.settimeout(0.1)
  if s.connect_ex(('localhost', port)) == 0:
    print port, 'open'
  s.close() 

def worker():
  while not q.empty():
    port = q.get()
    try:
      scan(port)
    finally:
      q.task_done() 

if __name__ == '__main__':
  q = Queue()
  map(q.put,xrange(1,65535))
  threads = [threading.Thread(target=worker) for i in xrange(500)]
  map(lambda x:x.start(),threads)
  q.join() 

开500个线程，不停的从队列中取出任务来进行...

multiprocessing + 队列版本：

总不能开65535个进程吧？还是用生产者消费者模式

import socket 
import multiprocessing
def scan(port):
  s = socket.socket()
  s.settimeout(0.1)
  if s.connect_ex(('localhost', port)) == 0:
    print port, 'open'
  s.close() 

def worker(q):
  while not q.empty():
    port = q.get()
    try:
      scan(port)
    finally:
      q.task_done() 

if __name__ == '__main__':
  q = multiprocessing.JoinableQueue()
  map(q.put,xrange(1,65535))
  jobs = [multiprocessing.Process(target=worker, args=(q,)) for i in xrange(100)]
  map(lambda x:x.start(),jobs) 

注意这里把队列作为一个参数传入到worker中去，因为是process safe的queue，不然会报错。
还有用的是JoinableQueue()，顾名思义就是可以join()的。

gevent的spawn版本：

from gevent import monkey; monkey.patch_all();
import gevent
import socket
...
if __name__ == '__main__':
  threads = [gevent.spawn(scan, i) for i in xrange(1,65536)]
  gevent.joinall(threads) 

注意monkey patch必须在被patch的东西之前import,不然会Exception KeyError.比如不能先import threading,再monkey patch.

gevent的Pool版本：

from gevent import monkey; monkey.patch_all();
import socket
from gevent.pool import Pool
...
if __name__ == '__main__':
  pool = Pool(500)
  pool.map(scan,xrange(1,65536))
  pool.join() 

concurrent.futures版本：

import socket
from Queue import Queue
from concurrent.futures import ThreadPoolExecutor
...
if __name__ == '__main__':
  q = Queue()
  map(q.put,xrange(1,65536))
  with ThreadPoolExecutor(max_workers=500) as executor:
    for i in range(500):
      executor.submit(worker,q)