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
  • 13 2019-07
    换ip软件突破IP限制加快工作效率

    换ip软件突破IP限制加快工作效率,因此许多网民都在使用的。除此之外,换ip软件还有什么作用呢?换ip软件可以用于哪些地方?

  • 16 2019-06
    用换IP工具极速帮电脑换ip地址

    用换IP工具极速帮电脑换ip地址,这样做营销更有效果的。比如:淘宝属于最早开始的大面积的网络营销,在淘宝之后,这几年网络营销行业发展越来越壮大。但是最近几年兴起的网络营销行业

  • 04 2019-08
    薅羊毛必懂技巧之换ip用ip修改器

    薅羊毛必懂技巧之换ip用ip修改器,实际上很多新羊毛客、赚客,甚至一些老手不会换ip或是仍在使用重启路由器的原始方法,重启路由器虽然简单,但是却存在很多缺陷,比如:无法换公网,ip

  • 20 2019-11
    代理IP和vps的区别!

    代理IP和vps的区别!使用ip代理软件​和VPS服务器都可以进行ip地址的修改和更换,但是他们之间的区别是什么呢?却没有多少人知道,既然是同一种功能为什么会有两种方式呢?下面就为大家简单的

  • 03 2019-01
    请求头是否可以伪装?爬虫请求头设置方法

    爬虫的许多数据都可以进行伪装,比如说请求头,那么爬虫请求头设置方法是怎样的呢?下面一起去探讨下爬虫请求头设置方法。

  • 03 2019-01
    如何区分全局代理和局部代理,使用哪个好?

    虽然很多人都使用代理,但是代理也有区别的,有全局代理和局部代理,二者是不一样的,如何区分全局代理和局部代理?别再抱怨为何设置的代理,仅仅对单个软件有效,其他软件无效了.