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 2020-06
    热门的网络换ip

    网络换IP这件事在互联网上越来越火热了,随便一搜索就能够有好多的代理软件出现,而且除了换ip软件还有很多的换ip渠道。

  • 02 2019-04
    正确认识下HTTP代理IP,爬虫的最佳助手!

    做个调查,大家平常有没有使用HTTP代理IP呢?其实HTTP代理IP的使用是比较常见的,也许你的同行早就开始使用HTTP代理IP了,只是你自己不知道罢了。

  • 05 2019-06
    手机代理IP对发帖有好处吗?

    手机代理IP对发帖有好处吗?在论坛一些网站上发过帖子的人都知道,有时候我们的频繁操作可能会被网站的监控系统限制,提示被限制发帖,其实原因是我们的IP被限制了,这时使用代理Ip,替

  • 18 2019-02
    刷单使用哪种换IP工具好?

    刷单即使查到严,但也是一直存在的,很多商家都认为不刷单与等死无疑,因此虽然是有风险,但也是会刷。刷单被检测到的多,但更多没有被查到的,就看谁的手段更高了。

  • 04 2020-02
    要细心选择http代理服务平台

    有人说,使用到了合适的ip代理,能够让自己的工作质量以及工作效率有一个显著的提升。因为动态ip代理,能够在网络营销、网络推广、网络爬虫等多个领域,发挥出关键作用。

  • 13 2018-12
    电商怎么做赚钱?刷单不是长久之计,那谁是王道?

    以前做电商,投入低,产出还高,现在呢?不管是实体还是电商都说不赚钱,那谁赚钱了呢?其实不管做哪个行业赚钱都是有技巧的。那么电商怎么做赚钱?