收藏 400-998-9776 转2 服务时间 周一至周日 9:00-23:00 注意:本站不提供境外服务
您的位置:首页 >文章内容
采集信息使用多进程好还是多线程好?
来源:互联网 作者:admin 时间:2019-02-26 16:50:12

      单个爬虫的爬取量太少了,如果需要爬取上万甚至更多的网页,这是无法满足需求的。为了降低耗时,可以使用多进程或者多线程爬取。那么使用多进程好还是多线程好?今天小编为大家介绍下关于多进程和多线程。


  在python爬虫中,一般用的是多进程进行爬取,因为多线程并不能提高CPU的使用率,而且多线程其实是交替执行,多进程才是并发执行。


  多进程,顾名思义,多个进程并发执行,可以有效提高程序的执行效率,优点是非常稳定,即使有子进程崩溃了,主进程和其他进程依然可以继续执行,缺点是在windows下创建进程的开销比较大,而且如果进程太多,往往会影响整个系统的调度。


  多线程是指一个进程内多个线程同时执行,进而提高程序执行效率,其优点可能是比多进程稍微快一点,但缺点也很明显,多线程中一个线程出现了问题就会导致整个进程崩溃,因此稳定性不是很高。


  因为GIL(全局解释器锁)的限制(GIL是用来保证在任意时刻只能有一个控制线程在执行),所以python中的多线程并非真正的多线程。只有python程序是I/O密集型应用时,多线程才会对运行效率有显著提高(因在等待I/O的时,会释放GIL允许其他线程继续执行),而在计算密集型应用中,多线程并没有什么用处。考虑到要充分利用多核CPU的资源,允许python可以并行处理一些任务,这里就用到了python多进程编程了。


  先上一个多进程和单进程测试的结果:


  采集信息使用多进程好还是多线程好?

  我们可以发现,多进程执行比单进程速度快了十几倍,所以说,并行大法好啊。


  我这里用的是Pool池的方法来使用多进程的:


  当使用Process类管理非常多(几十上百个)的进程时,就会显得比较繁琐,这是就可以使用Pool(进程池)来对进程进行统一管理。当池中进程已满时,有新进程请求执行时,就会被阻塞,直到池中有进程执行结束,新的进程请求才会被放入池中并执行。

   采集信息使用多进程好还是多线程好?

  用法示例:


采集信息使用多进程好还是多线程好?


  运行结果:

  采集信息使用多进程好还是多线程好?

  我个人在爬虫中的用法:

  采集信息使用多进程好还是多线程好?

采集信息使用多进程好还是多线程好?



推荐阅读
  • 21 2019-10
    换ip软件​有什么用途?

    换ip软件​有什么用途?代理IP是很多用户用到的工具,作用有很多,例如隐藏IP地址、解决网络延迟、突破访问地址等等,下面给大家进行简单的介绍,换IP软件的作用

  • 26 2019-07
    高匿代理IP也不靠谱怎么办?

    高匿代理IP也不靠谱怎么办?大家有没有发现,有时候即使使用了高匿名代理IP,这效果也不怎么样?这是为什么呢?

  • 08 2019-07
    账号被秒封是ip代理质量不过关吗?

    大家有没有试过账号被秒封的情况,这账号为什么会被秒封?难道是因为使用了代理ip的原因?账号被秒封是ip代理质量不过关吗?

  • 19 2018-11
    做网络推广为什么要换IP?换IP的效果非常好

    一些做网络推广的新手,一开始都不知道要用换IP软件,这换IP有什么用呢?好像没有换IP软件,也没有什么影响啊?今天智连代理就为新手们介绍一下做网络推广为什么要换IP。

  • 01 2019-06
    低价换IP软件能用么?

    低价换IP软件能用么?贪小便宜是天性,很多人就算有钱,也想要节省一些,对于换IP软件的选择也会想找低价的,最好还可以低价又好用,这当然是比较难的,完美的东西少,总有些缺点的。

  • 06 2020-01
    爬虫遇到代理ip数量不够怎么解决?

    为了让我们的网络使用效率最大化,ip代理出现了。这种新型技术,一开始就吸引了很多技术用户的关注,再到后来,网络营销人员也是它的使用者。