python使用期物处理并发的方法
导读：本文共2545.5字符，通常情况下阅读需要8分钟。同时您也可以点击右侧朗读，来听本文内容。按键盘←（左） →（右） 方向键可以翻页。
摘要： 1. futures.ThreadPoolExecutorimportosimporttimeimportsysimportrequestsPOP20_CC=('CNINUSIDBRPKNGBDRUJP''MXPHVNETEGDEIRTRCDFR').split()BASE_URL='http://flupy.o... ...
目录
(为您整理了一些要点),点击可以直达。
通常不应自己创建期物
只能由并发框架（concurrent.futures 或 asyncio）实例化 原因：期物 表示终将发生的事情，其 执行的时间 已经排定。因此，只有排定把某件事交给 concurrent.futures.Executor 子类处理时，才会创建 concurrent.futures.Future 实例
例如，Executor.submit() 方法的参数是一个可调用的对象，调用这个方法后会为传入的可调用对象 排期，并返回一个期物
CPython 解释器本身就不是线程安全的，因此有全局解释器锁（GIL）， 一次只允许使用一个线程执行 Python 字节码。因此，一个 Python 进程 通常不能同时使用多个 CPU 核心
标准库中所有执行阻塞型 I/O 操作的函数，在等待操作系统返回结果时 都会释放 GIL。 这意味着在 Python 语言这个层次上可以使用多线程，而 I/O 密集型 Python 程序能从中受益：一个 Python 线程等待网络响应时，阻塞型 I/O 函数会释放 GIL，再运行一个线程（网络下载，文件读写都属于 IO 密集型）
这个模块实现的是真正 的并行计算，因为它使用 ProcessPoolExecutor 类把工作分配给多个 Python 进程处理。 因此，如果需要做 CPU 密集型处理，使用这个模块 能绕开 GIL，利用所有可用的 CPU 核心
使用 concurrent.futures 模块能特别轻松地 把 基于线程 的方案转成 基于进程 的方案
ProcessPoolExecutor 的价值体现在 CPU 密集型 作业上
python使用期物处理并发的方法的详细内容，希望对您有所帮助，信息来源于网络。