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
  • 08 2019-11
    代理ip​协议的优缺点!

    代理ip​协议的优缺点!每个网络技术都需要遵循一种协议,并在协议的规范下进行操作和写入,代理ip技术也不例外。目前主流的代理IP协议主要有PPTP、L2TP、Open三种,它们之间都有什么优点和

  • 08 2019-11
    HTTP代理和Socks代理的差别!

    HTTP代理和Socks代理的差别!最常用的代理莫过于HTTP代理,还有一种代理用的也很多,那就是Socks代理,那么问题来了,HTTP代理和Socks代理有什么区别呢?

  • 19 2019-03
    访问网站IP受限,独享IP代理快速解除限制

    我们在上网的过程中,经常都是访问各种的网站获取信息,如果仅是普通访问没事,若是快速多次访问,这经常是被限制的,为什么呢?

  • 08 2019-08
    单机单IP被封号,代理IP还能防封吗?

    单机单IP被封号,代理IP还能防封吗?很多人都说,游戏公司封号无非就是IP检测,硬件检测,行为检测,还有用辅助检测到的等等。其实,如果是那种检测很牛逼的游戏(例如网易),虽然利润

  • 14 2020-02
    面对ip代理的选择要怎么办?

    大家可能以为换ip软件是一瞬间在互联网上火爆起来的,但是其实ip代理已经出现了很长一段时间了,并且不断的在进行进步升级、不断的在完善。

  • 12 2019-09
    可以用代理IP来批量注册吗?

    可以用代理IP来批量注册吗?对于代理IP​,刚开始人们并不理解,不认为它能够帮助用户完成网络业务,直到越来越多的人投入到代理IP的使用中,其实代理IP的原理简单来说就是代替用户的IP,