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
  • 14 2019-08
    收费的ip代理软件为什么比免费还受欢迎

    收费的ip代理软件为什么比免费还受欢迎?对于很大一部分人来说,人们都是希望能够免费包括衣食住行,也包括工作中所使用的某些工具,不过现在付费模式比较流行,成为会员享受更好的质

  • 10 2019-12
    使用代理IP前,要如何验证IP有效性?

    现在代理IP市场有很多代理服务商,我们可以通过网络就能够找到。在百度搜索代理IP或者是换IP,就可以看到不同的代理服务商网页,但是有一些代理服务商的IP质量其实是非常差的,甚至也会

  • 24 2018-11
    代理IP能降低游戏延迟吗?与网络加速器有什么不同

    玩游戏的人都知道,延迟高,这游戏没法玩,很多游戏爱好者通常都花钱升级网络,升级配置,期望游戏延迟能降低下来。于是网络加速器出现了,利用加速器降低游戏延迟...

  • 19 2019-12
    影响代理ip使用的原因

    怎么才能够让电脑自动换ip?在什么使用场景我们需要用到换ip软件?随着互联网在每个领域的深入,我们现在很多方面都需要依赖网络来操作。

  • 08 2020-04
    代理ip地址的安全程度

    说到代理ip,我们很多时候只是在要换ip的时候会想起它。其实不只是换ip,ip代理软件还是能够在其他地方帮助到我们。

  • 20 2019-03
    流量怎么刷?使用动态代理ip刷量工具

    刷流量基本上是以刷IP为主,用不同的IP去访问目标网页,增加浏览量,达到目的,比如增加浏览量之后,关键词排名上升,吸引真实用户点击访问。那么这流量怎么刷呢?