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
  • 19 2019-09
    为什么代理IP​要有白名单?

    为什么代理IP​要有白名单?很多用户在使用一些代理IP软件的时候会发现,在使用ip之前有一个叫白名单的东西,只有添加进去才能顺利采用代理IP,很多觉得这很麻烦为什么不直接调用,还要多

  • 11 2020-02
    换ip在网络中有重要意义

    为什么现在网络上,有关于ip代理的信息与平台消息越来越多?很多用户平时就算不需要用到http代理,就能够在一些网络平台上面看到换ip的信息。

  • 30 2019-03
    获取招聘网的简历有几种方法?爬虫换代理IP进行采集

    通过简历可以拿到很多用户的个人信息,这也是当下非常多人都想获取到的信息,但招聘网也没有那么好抓取,信息泄露严重,也就没有什么用户敢使用了。因此,想要获取到招聘网的用户简历

  • 31 2020-08
    性价比高的网络安全保护方式

    网络时代我们很多操作都无法脱离互联网来完成,随着更多的工作以及生活应用需要网络,我们对互联网的操作就更加需要注意。

  • 29 2019-07
    更换ip软件能隐藏真实ip吗?

    更换ip软件能隐藏真实ip吗?经常上网的话,会听到这样一个词,就是代理ip。代理ip的意思,就是将用户的真实ip进行替换,用另一个ip进行替换。现在的网络上,有些网站或软件是可以帮助用户

  • 30 2020-03
    ip修改器的选择使用

    我们在上网的时候,不可避免会遇到ip地址修改的情况。如果自己的ip不能够正常使用了,那么如果还想要继续在当前网页操作,那么就得要换一个ip。