Python三大“程”！线程，进程和协程详解！这还学不会？不存在的

What is a Thread？

What is a Process？

进程与线程的区别？

1. 线程是执行的指令集，进程是资源的集合
2. 线程的启动速度要比进程的启动速度要快
3. 两个线程的执行速度是一样的
4. 进程与线程的运行速度是没有可比性的
5. 线程共享创建它的进程的内存空间，进程的内存是独立的。
6. 两个线程共享的数据都是同一份数据，两个子进程的数据不是共享的，而且数据是独立的;
7. 同一个进程的线程之间可以直接交流，同一个主进程的多个子进程之间是不可以进行交流，如果两个进程之间需要通信，就必须要通过一个中间代理来实现;
8. 一个新的线程很容易被创建，一个新的进程创建需要对父进程进行一次克隆
9. 一个线程可以控制和操作同一个进程里的其他线程，线程与线程之间没有隶属关系，但是进程只能操作子进程
10. 改变主线程，有可能会影响到其他线程的行为，但是对于父进程的修改是不会影响子进程;

一个多并发的小脚本

1. import threading
2. import time
3. def Princ(String):
4. print('task', String)
5. time.sleep(5)
6. # target=目标函数， args=传入的参数
7. t1 = threading.Thread(target=Princ, args=('t1',))
8. t1.start()
9. t2 = threading.Thread(target=Princ, args=('t1',))
10. t2.start()
11. t3 = threading.Thread(target=Princ, args=('t1',))
12. t3.start()

参考文档

进程与线程的一个简单解释

http://www.ruanyifeng.com/blog/2013/04/processes_and_threads.html

Linux进程与线程的区别

https://my.oschina.net/cnyinlinux/blog/422207

多线程

多线程在Python内实则就是一个假象，为什么这么说呢，因为CPU的处理速度是很快的，所以我们看起来以一个线程在执行多个任务，每个任务的执行速度是非常之快的，利用上下文切换来快速的切换任务，以至于我们根本感觉不到。

但是频繁的使用上下文切换也是要耗费一定的资源，因为单线程在每次切换任务的时候需要保存当前任务的上下文。

什么时候用到多线程？

首先IO操作是不占用CPU的，只有计算的时候才会占用CPU(譬如1+1=2)，Python中的多线程不适合CPU密集型的任务，适合IO密集型的任务(sockt server)。

启动多个线程

主进程在启动之后会启动一个主线程，下面的脚本中让主线程启动了多个子线程，然而启动的子线程是独立的，所以主线程不会等待子线程执行完毕，而是主线程继续往下执行，并行执行。

1. for i in range(50):
2. t = threading.Thread(target=Princ, args=('t-%s' % (i),))
3. t.start()

join()

join()方法可以让程序等待每一个线程之后完成之后再往下执行，又成为串行执行。

1. import threading
2. import time
3. def Princ(String):
4. print('task', String)
5. time.sleep(1)
6. for i in range(50):
7. t = threading.Thread(target=Princ, args=('t-%s' % (i),))
8. t.start()
9. # 当前线程执行完毕之后在执行后面的线程
10. t.join()

让主线程阻塞，子现在并行执行

1. import threading
2. import time
3. def Princ(String):
4. print('task', String)
5. time.sleep(2)
6. # 执行子线程的时间
7. start_time = time.time()
8. # 存放线程的实例
9. t_objs = []
10. for i in range(50):
11. t = threading.Thread(target=Princ, args=('t-%s' % (i),))
12. t.start()
13. # 为了不让后面的子线程阻塞，把当前的子线程放入到一个列表中
14. t_objs.append(t)
15. # 循环所有子线程实例，等待所有子线程执行完毕
16. for t in t_objs:
17. t.join()
18. # 当前时间减去开始时间就等于执行的过程中需要的时间
19. print(time.time() - start_time)

查看主线程与子线程

1. import threading
2. class MyThreading(threading.Thread):
3. def __init__(self):
4. super(MyThreading, self).__init__()
5. def run(self):
6. print('我是子线程： ', threading.current_thread())
7. t = MyThreading()
8. t.start()
9. print('我是主线程： ', threading.current_thread())

输出如下：

1. C:\Python\Python35\python.exe E:/MyCodeProjects/进程与线程/s3.py
2. 我是子线程： <MyThreading(Thread-1, started 7724)>
3. 我是主线程： <_MainThread(MainThread, started 3680)>
4. 
   
5. Process finished with exit code 0

查看当前进程的活动线程个数

1. import threading
2. class MyThreading(threading.Thread):
3. def __init__(self):
4. super(MyThreading, self).__init__()
5. def run(self):
6. print('www.anshengme.com')
7. t = MyThreading()
8. t.start()
9. print('线程个数： ', threading.active_count())

输出如下：

1. C:\Python\Python35\python.exe E:/MyCodeProjects/进程与线程/s3.py
2. www.anshengme.com
3. # 一个主线程和一个子线程
4. 线程个数： 2
5. 
   
6. Process finished with exit code 0

Event

Event是线程间通信最间的机制之一：一个线程发送一个event信号，其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag，这个flag可以使用set

()设置成True或者使用clear()重置为False，wait()则用于阻塞，在flag为True之前。flag默认为False。

选项描述Event.wait([timeout])堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）Event.set()将标识位设为TureEvent.clear()将标识伴设为FalseEvent.isSet()判断标识位是否为Ture

1. #!/use/bin/env python
2. # _*_ coding: utf-8- _*_
3. 
   
4. import threading
5. 
   
6. def runthreading(event):
7. print("Start...")
8. event.wait()
9. print("End...")
10. event_obj = threading.Event()
11. for n in range(10):
12. t = threading.Thread(target=runthreading, args=(event_obj,))
13. t.start()
14. 
    
15. event_obj.clear()
16. inp = input("True/False?>> ")
17. if inp == "True":
18. event_obj.set()
19. `

守护进程(守护线程)

一个主进程可以启动多个守护进程，但是主进程必须要一直运行，如果主进程挂掉了，那么守护进程也会随之挂掉

程序会等待主线程(进程)执行完毕，但是不会等待守护进程(线程)

1. import threading
2. import time
3. 
   
4. def Princ(String):
5. print('task', String)
6. time.sleep(2)
7. for i in range(50):
8. t = threading.Thread(target=Princ, args=('t-%s' % (i),))
9. t.setDaemon(True) # 把当前线程设置为守护线程，要在start之前设置
10. t.start()

场景预设： 比如现在有一个FTP服务，每一个用户连接上去的时候都会创建一个守护线程，现在已经有300个用户连接上去了，就是说已经创建了300个守护线程，但是突然之间FTP服务宕掉了，这个时候就不会等待守护线程执行完毕再退出，而是直接退出，如果是普通的线程，那么就会登台线程执行完毕再退出。

1. #!/use/bin/env python
2. # _*_ coding:utf-8 _*_
3. 
   
4. from multiprocessing import Process
5. import time
6. def runprocess(arg):
7. print(arg)
8. time.sleep(2)
9. 
   
10. 
    
11. p = Process(target=runprocess, args=(11,))
12. p.daemon=True
13. p.start()
14. 
    
15. print("end")

线程之间的数据交互与锁(互斥锁)

python2.x需要加锁，但是在python3.x上面就不需要了

1. # _*_ coding:utf-8 _*_
2. import threading
3. def Princ():
4. # 获取锁
5. lock.acquire()
6. # 在函数内可以直接修改全局变量
7. global number
8. number += 1
9. # 为了避免让程序出现串行，不能加sleep
10. # time.sleep(1)
11. # 释放锁
12. lock.release()
13. # 锁
14. lock = threading.Lock()
15. # 主线程的number
16. number = 0
17. t_objs = []
18. for i in range(100):
19. t = threading.Thread(target=Princ)
20. t.start()
21. t_objs.append(t)
22. for t in t_objs:
23. t.join()
24. print('Number:', number)

递归锁(Lock/RLock)

1. import threading
2. def run1():
3. print("grab the first part data")
4. lock.acquire()
5. global num
6. num += 1
7. lock.release()
8. return num
9. def run2():
10. print("grab the second part data")
11. lock.acquire()
12. global num2
13. num2 += 1
14. lock.release()
15. return num2
16. def run3():
17. lock.acquire()
18. res = run1()
19. print('--------between run1 and run2-----')
20. res2 = run2()
21. lock.release()
22. print(res, res2)
23. t_objs = []
24. if __name__ == '__main__':
25. num, num2 = 0, 0
26. lock = threading.RLock() # RLock()类似创建了一个字典，每次退出的时候找到字典的值进行退出
27. # lock = threading.Lock() # Lock()会阻塞在这儿
28. for i in range(10):
29. t = threading.Thread(target=run3)
30. t.start()
31. t_objs.append(t)
32. for t in t_objs:
33. t.join()
34. print(num, num2)

信号量(Semaphore)

互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据

1. import threading
2. import time
3. def run(n):
4. semaphore.acquire() # 获取信号，信号可以有多把锁
5. time.sleep(1) # 等待一秒钟
6. print("run the thread: %s\n" % n)
7. semaphore.release() # 释放信号
8. t_objs = []
9. if __name__ == '__main__':
10. semaphore = threading.BoundedSemaphore(5) # 声明一个信号量，最多允许5个线程同时运行
11. for i in range(20): # 运行20个线程
12. t = threading.Thread(target=run, args=(i,)) # 创建线程
13. t.start() # 启动线程
14. t_objs.append(t)
15. for t in t_objs:
16. t.join()
17. print('>>>>>>>>>>>>>')

以上代码中，类似与创建了一个队列，最多放5个任务，每执行完成一个任务就会往后面增加一个任务。

多进程

多进程的资源是独立的，不可以互相访问。

启动一个进程

1. from multiprocessing import Process
2. import time
3. def f(name):
4. time.sleep(2)
5. print('hello', name)
6. if __name__ == '__main__':
7. # 创建一个进程
8. p = Process(target=f, args=('bob',))
9. # 启动
10. p.start()
11. # 等待进程执行完毕
12. p.join(

在进程内启动一个线程

1. from multiprocessing import Process
2. import threading
3. def Thread(String):
4. print(String)
5. def Proces(String):
6. print('hello', String)
7. t = threading.Thread(target=Thread, args=('Thread %s' % (String),)) # 创建一个线程
8. t.start() # 启动它
9. if __name__ == '__main__':
10. p = Process(target=Proces, args=('World',)) # 创建一个进程
11. p.start() # 启动
12. p.join() # 等待进程执行完毕

启动一个多进程

1. from multiprocessing import Process
2. import time
3. def f(name):
4. time.sleep(2)
5. print('hello', name)
6. if __name__ == '__main__':
7. for n in range(10): # 创建一个进程
8. p = Process(target=f, args=('bob %s' % (n),))
9. # 启动
10. p.start()
11. # 等待进程执行完毕

获取启动进程的PID

1. # _*_ coding:utf-8 _*_
2. from multiprocessing import Process
3. import os
4. def info(String):
5. print(String)
6. print('module name:', __name__)
7. print('父进程的PID:', os.getppid())
8. print('子进程的PID:', os.getpid())
9. print("\n")
10. def ChildProcess():
11. info('\033[31;1mChildProcess\033[0m')
12. if __name__ == '__main__':
13. info('\033[32;1mTheParentProcess\033[0m')
14. p = Process(target=ChildProcess)
15. p.start()

输出结果

1. C:\Python\Python35\python.exe E:/MyCodeProjects/多进程/s1.py
2. TheParentProcess
3. module name: __main__
4. # Pycharm的PID
5. 父进程的PID: 6888
6. # 启动的脚本PID
7. 子进程的PID: 4660
8. 
   
9. ChildProcess
10. module name: __mp_main__
11. # 脚本的PID
12. 父进程的PID: 4660
13. # 父进程启动的子进程PID
14. 子进程的PID: 8452
15. 
    
16. Process finished with exit code 0

进程间通信

默认情况下进程与进程之间是不可以互相通信的，若要实现互相通信则需要一个中间件，另个进程之间通过中间件来实现通信，下面是进程间通信的几种方式。

进程Queue

1. # _*_ coding:utf-8 _*_
2. from multiprocessing import Process, Queue
3. def ChildProcess(Q):
4. Q.put(['Hello', None, 'World']) # 在Queue里面上传一个列表
5. if __name__ == '__main__':
6. q = Queue() # 创建一个Queue
7. p = Process(target=ChildProcess, args=(q,)) # 创建一个子进程，并把Queue传给子进程,相当于克隆了一份Queue
8. p.start() # 启动子进程
9. print(q.get()) # 获取q中的数据
10. p.join()

管道(Pipes)

1. # _*_ coding:utf-8 _*_
2. from multiprocessing import Process, Pipe
3. def ChildProcess(conn):
4. conn.send(['Hello', None, 'World']) # 写一段数据
5. conn.close() # 关闭
6. if __name__ == '__main__':
7. parent_conn, child_conn = Pipe() # 生成一个管道实例，parent_conn, child_conn管道的两头
8. p = Process(target=ChildProcess, args=(child_conn,))
9. p.start()
10. print(parent_conn.recv()) # 收取消息
11. p.join()

数据共享(Managers)

1. # _*_ coding:utf-8 _*_
2. # _*_ coding:utf-8 _*_
3. from multiprocessing import Process, Manager
4. import os
5. 
   
6. def ChildProcess(Dict, List):
7. Dict['k1'] = 'v1'
8. Dict['k2'] = 'v2'
9. List.append(os.getpid()) # 获取子进程的PID
10. print(List) # 输出列表中的内容
11. 
    
12. if __name__ == '__main__':
13. manager = Manager() # 生成Manager对象
14. Dict = manager.dict() # 生成一个可以在多个进程之间传递共享的字典
15. List = manager.list() # 生成一个字典
16. 
    
17. ProcessList = [] # 创建一个空列表，存放进程的对象，等待子进程执行用于
18. 
    
19. for i in range(10): # 生成是个子进程
20. p = Process(target=ChildProcess, args=(Dict, List)) # 创建一个子进程
21. p.start() # 启动
22. ProcessList.append(p) # 把子进程添加到p_list列表中
23. 
    
24. for res in ProcessList: # 循环所有的子进程
25. res.join() # 等待执行完毕
26. print('\n')
27. print(Dict)
28. print(List)

输出结果

1. C:\Python\Python35\python.exe E:/MyCodeProjects/多进程/s4.py
2. [5112]
3. [5112, 3448]
4. [5112, 3448, 4584]
5. [5112, 3448, 4584, 2128]
6. [5112, 3448, 4584, 2128, 11124]
7. [5112, 3448, 4584, 2128, 11124, 10628]
8. [5112, 3448, 4584, 2128, 11124, 10628, 5512]
9. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460]
10. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484]
11. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484, 6804]
12. 
    
13. 
    
14. {'k1': 'v1', 'k2': 'v2'}
15. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484, 6804]
16. 
    
17. Process finished with exit code 0

锁(Lock)

1. from multiprocessing import Process, Lock
2. 
   
3. def ChildProcess(l, i):
4. l.acquire() # 获取锁
5. print('hello world', i)
6. l.release() # 释放锁
7. 
   
8. if __name__ == '__main__':
9. lock = Lock() # 生成Lock对象
10. for num in range(10):
11. Process(target=ChildProcess, args=(lock, num)).start() # 创建并启动一个子进程

进程池

同一时间启动多少个进程

1. #!/use/bin/env python
2. # _*_ coding: utf-8 _*_
3. 
   
4. from multiprocessing import Pool
5. import time
6. 
   
7. def myFun(i):
8. time.sleep(2)
9. return i+100
10. 
    
11. def end_call(arg):
12. print("end_call>>", arg)
13. 
    
14. p = Pool(5) # 允许进程池内同时放入5个进程
15. for i in range(10):
16. p.apply_async(func=myFun, args=(i,),callback=end_call) # # 平行执行,callback是主进程来调用
17. # p.apply(func=Foo) # 串行执行
18. 
    
19. print("end")
20. p.close()
21. p.join() # 进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

线程池

简单实现

1. #!/usr/bin/env python
2. # -*- coding:utf-8 -*-
3. import threading
4. import queue
5. import time
6. class MyThread:
7. def __init__(self,max_num=10):
8. self.queue = queue.Queue()
9. for n in range(max_num):
10. self.queue.put(threading.Thread)
11. def get_thread(self):
12. return self.queue.get()
13. def put_thread(self):
14. self.queue.put(threading.Thread)
15. pool = MyThread(5)
16. def RunThread(arg,pool):
17. print(arg)
18. time.sleep(2)
19. pool.put_thread()
20. for n in range(30):
21. thread = pool.get_thread()
22. t = thread(target=RunThread, args=(n,pool,))
23. t.start()

复杂版本

1. #!/usr/bin/env python
2. # -*- coding:utf-8 -*-
3. 
   
4. import queue
5. import threading
6. import contextlib
7. import time
8. 
   
9. StopEvent = object()
10. 
    
11. class ThreadPool(object):
12. 
    
13. def __init__(self, max_num, max_task_num = None):
14. if max_task_num:
15. self.q = queue.Queue(max_task_num)
16. else:
17. self.q = queue.Queue()
18. self.max_num = max_num
19. self.cancel = False
20. self.terminal = False
21. self.generate_list = []
22. self.free_list = []
23. 
    
24. def run(self, func, args, callback=None):
25. """
26. 线程池执行一个任务
27. :param func: 任务函数
28. :param args: 任务函数所需参数
29. :param callback: 任务执行失败或成功后执行的回调函数，回调函数有两个参数1、任务函数执行状态；2、任务函数返回值（默认为None，即：不执行回调函数）
30. :return: 如果线程池已经终止，则返回True否则None
31. """
32. if self.cancel:
33. 
    
34. return
35. if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
36. self.generate_thread()
37. w = (func, args, callback,)
38. self.q.put(w)
39. 
    
40. def generate_thread(self):
41. """
42. 创建一个线程
43. """
44. t = threading.Thread(target=self.call)
45. t.start()
46. 
    
47. def call(self):
48. """
49. 循环去获取任务函数并执行任务函数
50. """
51. current_thread = threading.currentThread()
52. self.generate_list.append(current_thread)
53. 
    
54. event = self.q.get()
55. while event != StopEvent:
56. 
    
57. func, arguments, callback = event
58. try:
59. result = func(*arguments)
60. success = True
61. except Exception as e:
62. success = False
63. result = None
64. 
    
65. if callback is not None:
66. try:
67. callback(success, result)
68. except Exception as e:
69. pass
70. 
    
71. with self.worker_state(self.free_list, current_thread):
72. if self.terminal:
73. event = StopEvent
74. else:
75. event = self.q.get()
76. else:
77. 
    
78. self.generate_list.remove(current_thread)
79. 
    
80. def close(self):
81. """
82. 执行完所有的任务后，所有线程停止
83. """
84. self.cancel = True
85. full_size = len(self.generate_list)
86. while full_size:
87. self.q.put(StopEvent)
88. full_size -= 1
89. 
    
90. def terminate(self):
91. """
92. 无论是否还有任务，终止线程
93. """
94. self.terminal = True
95. 
    
96. while self.generate_list:
97. self.q.put(StopEvent)
98. 
    
99. self.q.queue.clear()
100. 
     
101. @contextlib.contextmanager
102. def worker_state(self, state_list, worker_thread):
103. """
104. 用于记录线程中正在等待的线程数
105. """
106. state_list.append(worker_thread)
107. try:
108. yield
109. finally:
110. state_list.remove(worker_thread)
111. 
     
112. # How to use
113. 
     
114. pool = ThreadPool(5)
115. 
     
116. def callback(status, result):
117. # status, execute action status
118. # result, execute action return value
119. pass
120. 
     
121. def action(i):
122. print(i)
123. 
     
124. for i in range(30):
125. ret = pool.run(action, (i,), callback)
126. 
     
127. time.sleep(5)
128. print(len(pool.generate_list), len(pool.free_list))
129. print(len(pool.generate_list), len(pool.free_list))
130. pool.close()
131. pool.terminate()

什么是IO密集型和CPU密集型？

IO密集型(I/O bound)

频繁网络传输、读取硬盘及其他IO设备称之为IO密集型，最简单的就是硬盘存取数据，IO操作并不会涉及到CPU。

计算密集型(CPU bound)

程序大部分在做计算、逻辑判断、循环导致cpu占用率很高的情况，称之为计算密集型，比如说python程序中执行了一段代码1+1，这就是在计算1+1的值

What is the association?

协程的优缺点：

优点

1. 无需线程上下文切换的开销
2. 无需原子操作锁定及同步的开销(更改一个变量)
3. 方便切换控制流，简化编程模型
4. 高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

1. 无法利用多核资源：协程的本质是个单线程,它不能多核，协程需要和进程配合才能运行在多CPU上，当然我们日常所编写的绝大部分应用都没有这个必要，除非是CPU密集型应用。
2. 进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

实现协程实例

yield

1. def consumer(name):
2. print("--->starting eating baozi...")
3. while True:
4. new_baozi = yield # 直接返回
5. print("[%s] is eating baozi %s" % (name, new_baozi))
6. 
   
7. def producer():
8. r = con.__next__()
9. r = con2.__next__()
10. n = 0
11. while n < 5:
12. n += 1
13. con.send(n) # 唤醒生成器的同时传入一个参数
14. con2.send(n)
15. print("\033[32;1m[producer]\033[0m is making baozi %s" % n)
16. 
    
17. if __name__ == '__main__':
18. con = consumer("c1")
19. con2 = consumer("c2")
20. p = producer()

Greenlet

安装greenlet

1. pip3 install greenlet
2. # -*- coding:utf-8 -*-
3. from greenlet import greenlet
4. 
   
5. def func1():
6. print(12)
7. gr2.switch()
8. print(34)
9. gr2.switch()
10. 
    
11. def func2():
12. print(56)
13. gr1.switch()
14. print(78)
15. 
    
16. # 创建两个携程
17. gr1 = greenlet(func1)
18. gr2 = greenlet(func2)
19. gr1.switch() # 手动切换

Gevent

Gevent可以实现并发同步或异步编程，在gevent中用到的主要模式是Greenlet， 它是以C扩展模块形式接入Python的轻量级协程，Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。

安装Gevent

1. pip3 install gevent
2. import gevent
3. 
   
4. def foo():
5. print('Running in foo')
6. gevent.sleep(2)
7. print('Explicit context switch to foo again')
8. 
   
9. def bar():
10. print('Explicit context to bar')
11. gevent.sleep(3)
12. print('Implicit context switch back to bar')
13. 
    
14. # 自动切换
15. gevent.joinall([
16. gevent.spawn(foo), # 启动一个协程
17. gevent.spawn(bar),
18. ])

页面抓取

1. from urllib import request
2. from gevent import monkey
3. import gevent
4. import time
5. 
   
6. monkey.patch_all() # 当前程序中只要设置到IO操作的都做上标记
7. 
   
8. def wget(url):
9. print('GET: %s' % url)
10. resp = request.urlopen(url)
11. data = resp.read()
12. print('%d bytes received from %s.' % (len(data), url))
13. 
    
14. urls = [
15. 'https://www.python.org/',
16. 'https://www.python.org/',
17. 'https://github.com/',
18. 'https://yw666.blog.51cto.com/',
19. ]
20. 
    
21. # 串行抓取
22. start_time = time.time()
23. for n in urls:
24. wget(n)
25. print("串行抓取使用时间：", time.time() - start_time)
26. 
    
27. # 并行抓取
28. ctrip_time = time.time()
29. gevent.joinall([
30. gevent.spawn(wget, 'https://www.python.org/'),
31. gevent.spawn(wget, 'https://www.python.org/'),
32. gevent.spawn(wget, 'https://github.com/'),
33. gevent.spawn(wget, 'https://yw666.blog.51cto.com/'),
34. ])
35. print("并行抓取使用时间：", time.time() - ctrip_time)

输出

1. C:\Python\Python35\python.exe E:/MyCodeProjects/协程/s4.py
2. GET: https://www.python.org/
3. 47424 bytes received from https://www.python.org/.
4. GET: https://www.python.org/
5. 47424 bytes received from https://www.python.org/.
6. GET: https://github.com/
7. 25735 bytes received from https://github.com/.
8. GET: https://blog.ansheng.me/
9. 82693 bytes received from https://yw666.blog.51cto.com/.
10. 串行抓取使用时间： 15.143015384674072
11. GET: https://www.python.org/
12. GET: https://www.python.org/
13. GET: https://github.com/
14. GET: https://blog.ansheng.me/
15. 25736 bytes received from https://github.com/.
16. 47424 bytes received from https://www.python.org/.
17. 82693 bytes received from https://yw666.blog.51cto.com/.
18. 47424 bytes received from https://www.python.org/.
19. 并行抓取使用时间： 3.781306266784668
20. 
    
21. Process finished with exit code 0

进群：125240963即可获取完整的入门资料一套哦！