在python中使用多线程时如何获得更快的速度

Question

现在我正在研究如何尽快从网站获取数据。为了获得更快的速度，即时通讯正在考虑使用多线程。这是我用来测试多线程和简单文章之间差异的代码。

import threading
import time
import urllib
import urllib2


class Post:

    def __init__(self, website, data, mode):
        self.website = website
        self.data = data

        #mode is either "Simple"(Simple POST) or "Multiple"(Multi-thread POST)
        self.mode = mode

    def post(self):

        #post data
        req = urllib2.Request(self.website)
        open_url = urllib2.urlopen(req, self.data)

        if self.mode == "Multiple":
            time.sleep(0.001)

        #read HTMLData
        HTMLData = open_url.read()



        print "OK"

if __name__ == "__main__":

    current_post = Post("http://forum.xda-developers.com/login.php", "vb_login_username=test&vb_login_password&securitytoken=guest&do=login", \
                        "Simple")

    #save the time before post data
    origin_time = time.time()

    if(current_post.mode == "Multiple"):

        #multithreading POST

        for i in range(0, 10):
           thread = threading.Thread(target = current_post.post)
           thread.start()
           thread.join()

        #calculate the time interval
        time_interval = time.time() - origin_time

        print time_interval

    if(current_post.mode == "Simple"):

        #simple POST

        for i in range(0, 10):
            current_post.post()

        #calculate the time interval
        time_interval = time.time() - origin_time

        print time_interval

如您所见，这是一个非常简单的代码。首先，我将模式设置为“ Simple”，然后我可以得到时间间隔： 50s
（也许我的速度有点慢:(）。然后我将模式设置为“ Multiple”，然后我得到了时间间隔： 35
。从我可以看到，多线程实际上可以提高速度，但是结果却不像我想象的那样好，我想获得更快的速度。

从调试中，我发现该程序主要在以下行阻塞：open_url = urllib2.urlopen(req, self.data)，此行代码需要大量时间来发布和接收来自指定网站的数据。我想也许我可以通过time.sleep()在urlopen函数内部添加和使用多线程来获得更快的速度，但是我不能这样做，因为它是python自己的函数。

如果不考虑服务器阻止发布速度的可能限制，我还可以做些什么来获得更快的速度？或我可以修改的任何其他代码？多谢！

Answer 1

在许多情况下，python的线程无法很好地提高执行速度…有时，它会使情况变得更糟。有关更多信息，请参阅全球解释器锁/ Pycon2010
GIL幻灯片
上David
Beazley的PyCon2010演示。该演示非常有用，我强烈推荐给任何考虑线程的人…

即使David
Beazley的演讲解释了网络流量可以改善Python线程模块的调度，您仍应使用multiprocessing模块。我将此作为选项包含在您的代码中（请参见答案底部）。

在我的一台旧机器上运行此命令（Python 2.6.6）：

current_post.mode == "Process"  (multiprocessing)  --> 0.2609 seconds
current_post.mode == "Multiple" (threading)        --> 0.3947 seconds
current_post.mode == "Simple"   (serial execution) --> 1.650 seconds

我同意TokenMacGuy的评论，上面的数字包括将.join()移到另一个循环。如您所见，python的多处理比线程处理快得多。

from multiprocessing import Process
import threading
import time
import urllib
import urllib2


class Post:

    def __init__(self, website, data, mode):
        self.website = website
        self.data = data

        #mode is either:
        #   "Simple"      (Simple POST)
        #   "Multiple"    (Multi-thread POST)
        #   "Process"     (Multiprocessing)
        self.mode = mode
        self.run_job()

    def post(self):

        #post data
        req = urllib2.Request(self.website)
        open_url = urllib2.urlopen(req, self.data)

        if self.mode == "Multiple":
            time.sleep(0.001)

        #read HTMLData
        HTMLData = open_url.read()

        #print "OK"

    def run_job(self):
        """This was refactored from the OP's code"""
        origin_time = time.time()
        if(self.mode == "Multiple"):

            #multithreading POST
            threads = list()
            for i in range(0, 10):
               thread = threading.Thread(target = self.post)
               thread.start()
               threads.append(thread)
            for thread in threads:
               thread.join()
            #calculate the time interval
            time_interval = time.time() - origin_time
            print "mode - {0}: {1}".format(method, time_interval)

        if(self.mode == "Process"):

            #multiprocessing POST
            processes = list()
            for i in range(0, 10):
               process = Process(target=self.post)
               process.start()
               processes.append(process)
            for process in processes:
               process.join()
            #calculate the time interval
            time_interval = time.time() - origin_time
            print "mode - {0}: {1}".format(method, time_interval)

        if(self.mode == "Simple"):

            #simple POST
            for i in range(0, 10):
                self.post()
            #calculate the time interval
            time_interval = time.time() - origin_time
            print "mode - {0}: {1}".format(method, time_interval)
        return time_interval

if __name__ == "__main__":

    for method in ["Process", "Multiple", "Simple"]:
        Post("http://forum.xda-developers.com/login.php", 
            "vb_login_username=test&vb_login_password&securitytoken=guest&do=login",
            method
            )