requests模块的介绍

• requests的作用

  通过python来模拟请求网址

• 一个模拟请求由以下四个部分组成

  • url
  • method
  • body
  • headers

• 模拟请求百度

   没有安装requests库的同学, 在当前python环境下执行以下语句安装第三方库
   pip install requests

  

  import requests
  
  
  def request_baidu():
      url = "https://www.baidu.com/"
      # body = ""
      headers = {
          "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36"
      }
      response = requests.get(url=url, headers=headers)
      print(response.text)

理解多线程和多进程

• 什么是进程?什么是线程?

  • 进程: 可以简单地认为是一个程序. 进程是操作系统分配资源的最小单位.
  • 线程: 一个进程可以有多个线程, 每个线程可以独立完成一些任务. 线程是操作系统进行运算调度的最小单位.

• 多线程demo

  from threading import Thread    
  for i in range(10):
      # 只是创建了线程对象
      t = Thread(target=request_baidu)
      # 启动线程
      t.start()

• 多进程demo

  from multiprocessing import Process   
  for i in range(10):
      # 只是创建了进程对象
      p = Process(target=request_baidu)
      # 启动进程
      p.start()

• 多线程

  • 等待任务完成后回到主进程

    通过调用Thread对象的join方法

    # 保存当前thread对象
    thread_array = []
    for i in range(10):
        t = Thread(target=request_baidu, args=(i, ))
        thread_array.append(t)
        t.start()
    # 调用thread对象join接口, 等待任务完成后回到主进程
    for t in thread_array:
        t.join()
    print("done!")

  • 如何拿到返回结果

    • 赋值到全局变量当中, 添加到可变对象之中

      result = []
      def request_baidu(index):
          ...
          result.append(response)
          
      if __name__ == "__main__":
          thread_array = []
          for i in range(10):
              t = Thread(target=request_baidu, args=(i, ))
              thread_array.append(t)
              t.start()
          for t in thread_array:
              t.join()
          print("done!")
          print(result)

• 多进程

  • 等待任务完成后回到主进程

    通过调用Process对象的join方法

  • 如何拿到返回结果

    无法通过全局变量存储返回结果.

    多进程相当于启动了多个程序, 共同执行了同一份代码, 他们之间的内存地址完全不一样

    import requests
    import time
    from threading import Thread
    from multiprocessing import Process
    
    result = []
    print(f"主进程result内存地址: {id(result)}")
    
    def request_baidu(index):
        time.sleep(2)
        url = "https://www.baidu.com/"
        # body = ""
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36"
        }
        response = requests.get(url=url, headers=headers)
        print(f"当前请求序号: {index}, 返回结果状态码: {response.status_code}")
        print(f"子进程result内存地址: {id(result)}")
        result.append(response)
    
    # 如果没有判断入口代码段if __name__ == "__main__", 多进程程序会报错
    # 原因是windows和pycharm的进程阻塞带来的问题
    if __name__ == "__main__":
        process_array = []
        for i in range(10):
            p = Process(target=request_baidu, args=(i, ))
            process_array.append(p)
            p.start()
        for p in process_array:
            p.join()
        print("done!")
        print(result)

• 多进程和多线程的异同点

  • 相同点

    • 都是对cpu工作时间段的描述, 只是颗粒度不同.

      简单地说就是多进程和多线程都会调用cpu资源的, 但是进程可以启动多个线程去执行.

    • 在linux内核态不区分进程和线程

  • 不同点

    • 进程有自己的独立地址空间, 建立数据表来维护代码段, 堆栈段和数据段, 而线程共享进程中的资源, 使用相同的地址空间, 所以线程间的切换快得多.
    • 因为线程共享进程的全局变量, 静态变量等对象, 线程间的通信更为方便, 而进程间的通信更加复杂, 需要以ipc的方式进行.
    • 多进程要比多线程要健壮. 进程之间一般不会相互影响, 而多线程有一条线程崩溃, 会导致整个进程跟着发生崩溃或者无法正常退出等.

全局解释器锁(GIL)

• 计算密集型

  主要占用cpu资源

• IO密集型

  IO就是input output, 需要等待的一些任务

  • 网络请求会有网络延迟
  • 和数据库交互需要等待数据库查询事件
  • 读写硬盘

• 多进程在处理计算密集型程序的时候比多线程块

  由于全局解释器锁的存在, 一个进程下, 只允许一个线程执行Python程序的字节码(当前代码文件的二进制表示).

  简单地说, 创建的10个线程其实在争夺一个cpu资源. 但是遇到io操作会让渡cpu资源.

• 如何绕过GIL?

  • 将多线程方法改为多进程
  • 将计算密集型任务转移给C扩展.
  • 分布式计算引擎spark, Apache
  • 使用PyPy解释器, 工业上几乎没人这么用, 因为PyPy并不成熟.