池
【1】概念
-
池是用来保证计算机硬件安全的情况下，最大限度的利用计算机资源，降低了程序的运行效率，但是保证了计算机硬件的安全
-
池（Pool）的概念在计算机科学和软件工程中常被用于资源管理，尤其是在多线程或并发编程中。池是一种管理和优化资源分配的机制，它事先分配一定数量的资源（如线程、数据库连接、对象等），并在需要时重用这些资源，而不是每次都创建和销毁。
【2】类型
- 线程池（Thread Pool）：线程池维护一组预先创建的线程，这些线程可以执行多个任务。当一个任务提交给线程池时，线程池会尝试使用一个空闲的线程来执行该任务。使用线程池可以减少因为频繁创建和销毁线程而产生的开销，提高响应速度，同时限制并发线程的数量，防止资源过度使用。
- 进程池（Process Pool）：与线程池类似，进程池维护一组预先创建的进程。这在并行处理和分布式计算中非常有用，尤其是当每个任务需要大量计算资源时。
- 数据库连接池（Database Connection Pool）：在数据库应用中，建立数据库连接是一个资源密集和时间消耗的操作。数据库连接池预先创建一定数量的数据库连接，并在需要时重用这些连接，提高了数据库操作的效率。
- 对象池（Object Pool）：对象池用于管理对象的创建和分配。它维护一组已经初始化的对象。当需要一个新对象时，可以从池中获取，使用后再放回池中，而不是销毁。
【3】优势
- 提高性能：通过减少创建和销毁资源的次数，减少系统开销。
- 资源复用：已分配的资源可以被多次重用，提高资源利用率。
- 控制上限：限制同时活跃的资源数量，防止因过多资源同时使用而耗尽系统资源。
线程池
【1】导入方法
from concurrent.futures import ThreadPoolExecutor
【2】使用方法
- 先实例化一个线程池对象
t_pool = ThreadPoolExecutor(5) - 这里的参数可以自己填，不填的话，默认就是电脑cpu个数乘5
t_list = [t_pool.submit(task, i) for i in range(1, 51)]通过submit()方法向线程池中提交任务submit(task, i)第一个参数是函数名，第二个参数是函数的参数- 通过
result()方法可以得到线程池里的线程的返回值 shutdown()方法可以使线程池关闭，不再处理新的任务，但是会处理已经提交给线程池内部正在运行，以及在队列中还未运行的线程
【3】进房间洗脚例子
from concurrent.futures import ThreadPoolExecutor
import time
def task(i):
print(f'客户{i}来到了房间洗脚')
time.sleep(2)
return f'客户{i}来洗脚啦'
if __name__ == '__main__':
t_pool = ThreadPoolExecutor(5)
t_list = [t_pool.submit(task, i) for i in range(1, 51)]
t_pool.shutdown()
for t in t_list:
print(t.result())
- 首先将任务添加到线程池，然后再关闭线程池，等待所有线程起来之后，最后再一起输出结果
- 也可以使用
with ThreadPoolExecutor(3) as p_pool:自动执行shutdown()方法
进程池
【1】导入方法
from concurrent.futures import ProcessPoolExecutor
【2】使用方法
- 进程池的使用方法和线程池基本一致
- 但是如果不给进程池传入参数时，默认值会是当前电脑cpu的个数
【3】池里面的进程或者线程是不会变的
- 上面的线程池不太好说明
- 但是进程池就可以很好的印证这一点
- 还是一样的洗脚例子
from concurrent.futures import ProcessPoolExecutor
import os
import time
def task(i):
pid = os.getpid()
time.sleep(1)
print(f'客户{i}进入房间洗脚----客户的手牌号为{pid}')
if __name__ == '__main__':
p_pool = ProcessPoolExecutor(3)
p_list = [p_pool.submit(task, i) for i in range(1, 21)]
- 打印 出来观察结果，可以发现进程池里面的进程ID是不变的，永远都是那么几个
异步回调机制
【1】介绍
- 异步回调机制是一种编程模式，它允许程序在执行长时间运行的任务时继续执行其他代码，并在这些长时间运行的任务完成后得到通知。
- 结合上面的例子，我们想要拿到线程的返回值，但是拿到返回值就需要1秒的阻塞，用了异步回调函数之后，就可以实现线程的并发，等到拿到了函数的返回值，再调回来拿结果。
【2】异步回调的优势
-
非阻塞行为：主程序可以继续执行其他任务，而不必等待长时间运行的任务完成。
-
简化代码结构：回调机制允许我们将后续处理逻辑清晰地与长时间运行的任务分离。
-
提高响应性：在用户界面或网络应用中，异步回调能够提高程序的响应性，因为主线程不会被长时间运行的任务阻塞。
-
异步回调在现代编程中非常普遍，特别是在处理I/O操作（如文件读写、网络请求）或其他需要等待的任务时。
【3】例子
from concurrent.futures import ProcessPoolExecutor
import os
import time
def task(i):
pid = os.getpid()
time.sleep(2)
print(f'客户{i}进入房间洗脚----客户的手牌号为{pid}')
return f'客户{i}来洗脚啦'
def result(future):
print(future.result())
if __name__ == '__main__':
p_pool = ProcessPoolExecutor(3)
p_list = [p_pool.submit(task, i).add_done_callback(result) for i in range(1, 11)]
add_done_callback()调用这个方法会自动将p_pool对象作为第一个参数传入，而这个对象就有一个result()方法可以拿到返回值- 定义了一个
result函数，参数是future对象,也就是p_pool对象，函数内容就是输出p_pool对象的返回值，然后再将这个函数地址作为add_done_callback()的参数传入