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
  • 03 2020-03
    3种常见的修改ip操作

    换ip在网络上是非常常见的,其实有些时候,在我们不知不觉当中可能也会将自己的ip进行的切换。怎么发生的?下面智连代理​来介绍当前最常见的换ip操作。

  • 01 2019-08
    动态代理IP去访问能隐藏本机IP吗?

    动态代理IP去访问能隐藏本机IP吗?在区分什么是动态代理IP之前,首先我们要弄清楚,什么是代理IP?使用动态代理IP有什么用?

  • 04 2019-10
    如何正确使用IP代理​?

    如何正确使用IP代理​?IP代理在我们的工作和生活当中的使用评率越来越高,很多人都喜欢使用IP代理来辅助自己的工作,其实IP代理的使用也是有要求的,符合要求的使用方法可以更好的提高效

  • 15 2018-12
    怎么把新网站做到首页,最快多久可以优化到首页

    一个网站从搭建到排名首页,需要花不少的时间,如果优化工作没有做好,所花的时间会更长。那么怎么把新网站做到首页?有什么技巧呢?

  • 16 2019-10
    为什么API提取代理ip​不可用?

    为什么API提取代理ip​不可用?收到不少朋友问,为什么我通过API获取http代理之后,把IP+端口填入代理设置端口,然后发现不可用,这是什么原因?这里需要强调一下

  • 03 2020-07
    不容易出错的代理ip软件

    网络需要用到ip修改器的情况要比大家想象中要多。因为网络现在很多操作都对ip会有限制。

您好,当前有客服在线,请问有什么需要咨询的吗?