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
  • 04 2019-03
    需要更换IP地址,是怎么更换最快?使用换IP软件怎样?

    大家如果需要更换IP地址,是怎么更换的呢?是直接找到设置中更换IP地址的地方更改吗?这种更改IP的方法效率太慢了,若是需要更换更多的IP地址,这岂不是完全没有效率可言了?其实我们可

  • 13 2019-04
    对于IP代理的使用有疑惑,可以进来看看

    对于IP代理的使用有疑惑,可以进来看看的。小编为大家收集了一些比较常见的IP代理问题,可以为大家解惑下,正确的认识IP代理。

  • 01 2019-09
    怎样挑选高质量的代理IP?

    怎样挑选高质量的代理IP?现如今代理IP​应用的行业越来越多,例如各类大数据分析和营销行业都需要使用大量的代理IP来辅助工作的开展,市面上如今那么多的代理IP我们该如何挑选高质量且适

  • 15 2020-01
    网络爬虫要将ip代理与反爬机制相结合

    通过使用ip代理,能够让我们方便快速的换ip,对很多人的工作与生活都带来了很大的便利。特别是在这个大数据时代,代理ip对于网络爬虫是非常重要的。

  • 28 2019-11
    动态ip代理的使用场景!

    动态ip代理的使用场景!动态ip​代理是我们最常见的一种代理ip,短效又分普通短效ip和优质动态ip代理,普遍用的较多的基本是上是优质代理ip,像开心代理优质动态ip代理质量就非常适合广大用

  • 07 2018-12
    Python爬虫怎么设置请求头

    有些新手在学习Python爬虫过程中,会遇到一些麻烦,比如,为什么使用爬虫请求失败,难度这爬虫这么没有用,还没有开始就失败了,到底是哪里出问题了?可能是请求头设置有问题。