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
  • 11 2020-03
    http代理ip的两种形式

    关于代理ip的类型,大家知道的有几种?其实代理ip的分类也是要按照互联网协议来进行的,换言之,互联网协议有几种,那么代理ip就有几种。

  • 25 2020-03
    解决代理ip需求后,爬虫还需要准备什么?

    我们都知道,代理ip是爬虫的好伙伴,如果网络爬虫没有了ip代理的帮助,那么不仅效果会大打折扣,而且还有可能整个项目瘫痪无法进行。

  • 18 2019-01
    游戏用代理IP能防止封号和封IP吗?

    玩游戏也是可以赚钱的,于是越来越多的人知道了这个行业,并进入游戏发展,但是这也会触动平台的利益,肯定是被限制的,常见的措施有封IP以及封号。但玩家也有自己的应对方法,比如说

  • 09 2019-12
    http代理按安全性怎么分类?

    http代理按安全性怎么分类?许多人之所以会选择使用http代理​上网主要是为了保护自己的个人信息安全,不希望真实的IP地址在链接网络的时候被服务器记录,http代理有许多不一样的代理类型,

  • 08 2019-04
    独享IP池,反爬最好的代理IP

    IP池,也分共享和独享的,但很多商家并不告诉你,而是一味的喊价格多低多低,以低廉的价格来吸引大家的购买使用,但是很多时候都是购买之后,刚开始使用就发现不好用。

  • 23 2019-01
    刷票使用代理IP,可以突破IP限制无限次投票吗?

    我们平常投票,都是由限制的,比如限制一个IP一天只能投一票,还有其他的限制,比如:手机号限制、COOKIE限制,身份证号限制等等。如果想多投票,那势必是要突破这些限制的,我们先去了