python爬虫13 | 秒爬,这多线程爬取速度也太猛了,这次就是要让你的爬虫效率杠杠的

快了

小老弟

想啥呢

今天这篇爬虫教程的主题就是一个字

想要做到秒爬

就需要知道

什么是多进程

什么是多线程

什么是协程(微线程)

你先去沏杯茶

坐下来

小帅b这就好好给你说道说道

关于线程这玩意

沏好茶了吗

那么

接下来就是

学习 python 的正确姿势

首先我们来了解什么是进程

进程就是正在运行的程序

比如你的系统现在运行着的微信

就是一个进程

一旦你的「微信」运行起来

系统就会给「微信」分配了内存和资源

那什么是单进程呢?

单进程就是说你的电脑只能做一件事情

比如

你在电脑打开了微信

就不能再去打开淘宝了

但是你会发现

现在你的电脑

很是牛逼

可以一边看片一边听歌

可以一边玩游戏一边撸代码

这就是多进程

你的电脑

在同一段时间里面

可以 “同时” 执行多个任务

这样是不是提高了你家 CPU 的使用率了呢

其实

一个单核的 CPU 在一个时间点上只能运行一个程序

之所以你能感觉到你电脑上的程序在同时运行

是因为

CPU 在做着切换

因为 CPU 的切换速度超级快

快到让你感觉到

你开着的所有程序好像是在同时运行

知道了什么是进程之后

我们再来谈谈线程

在一个进程里面

可以执行多个任务

在这里的每一个任务就是线程

线程可以说是程序用 CPU 的一个基本单元

所以

一个程序里面如果只是单一的一个执行路径

那么它就是单线程的

一个程序如果有多个执行路径

那么它就是多线程的

所以你想要让你的爬虫高效

就可以让你的爬虫实现多线程

这样它就可以有更加高的几率抢到 CPU 的执行权

每当小帅b跟别人吹线程的时候

还会说到并行和并发

我们刚刚说了

一个单核的 CPU

它每次只能执行一个进程

那么如果是多核的 CPU 呢

是不是就可以同时执行多个进程了

这就是并行

在某一个时间段里,可以同时执行多个进程

而并发呢

就是在一个时间点,同时执行多个进程

你想想

在双十一的时候

是不是在那个晚上的 12 点

很多人同时秒杀了某一个商品

这就是并发

在系统里面

进程和进程之间是互相独立的

而一个进程里面的多个线程

这些线程之间是共享一个进程空间的

这个时候

线程就要搞事情了

毕竟一块蛋糕被共享了

谁都想多分一点

就挤破头的想要抢占多一点资源

哇靠啊

这可不行啊

这样数据就不安全了

所以就有了互斥锁

所谓互斥锁

就是让线程乖一点

别他妈的乱来

一个一个线程安全有序的去执行

在 python 里呢

有一个叫做 GIL 锁

这个锁是干嘛的呢

它就是用来控制线程执行权限的

所以当一个线程需要执行的时候

要先获得 GIL 之后才可以执行

这样就不会产生线程安全问题

但有一个问题是

那他妈的还多线程个毛啊?

恩..有一点是

在 I/O 流阻塞的时候,GIL会被释放

(I/O流就是输入输出流,如果你此刻不太理解这个概念也没关系)

所以呀

我们的 Python 程序

如果是要处理多任务,想要充分的去利用我们多核的CPU

就开启多进程(multiprocessing)

而对于一些输入输出的多任务

就开启多线程(threading.Thread、multiprocessing.dummy)

哦对了

还有一个玩意叫做协程

协程也叫做微线程

在一个线程里面可以执行多个函数

线程和进程是通过系统调度的

而微线程则不需要,可以根据需要自己调度

因为微线程是函数之间在切换

所以开销很小

在 python 中使用微线程时一般会用到 genvent、monkey.patch_all

本篇就到这里

主要让你理解这几个概念

下一篇

小帅b就会使用多进程、多线程、协程的方式来实现 python 的爬虫

敬请

近期文章

python爬虫12 | 爸爸,他使坏,用动态的 Json 数据,我要怎么搞?

python爬虫11 | 这次,将带你爬取b站上的NBA形象大使蔡徐坤和他的球友们

扫一扫

学习 Python 没烦恼

点个好看啊~~(破音)

(0)

相关推荐