數據挖掘_多進程抓取

来源:https://www.cnblogs.com/susmote/archive/2018/05/01/8975597.html
-Advertisement-
Play Games

之前說過Python的多線程只能運行在一個單核上,也就是各線程是以併發的方式非同步執行的 這篇文章我們來聊聊Python多進程的方式 多進程依賴於所在機器的處理器個數,在多核機器上進行多進程編程時,各核上運行的進程之間是並行執行的,可以利用進程池,是每一個內核上運行一個進程,當翅中的進程數量大於內核總 ...


 

之前說過Python的多線程只能運行在一個單核上,也就是各線程是以併發的方式非同步執行的

這篇文章我們來聊聊Python多進程的方式

 

多進程依賴於所在機器的處理器個數,在多核機器上進行多進程編程時,各核上運行的進程之間是並行執行的,可以利用進程池,是每一個內核上運行一個進程,當翅中的進程數量大於內核總數時,待運行的進程會等待,直至其他進程運行完畢讓出內核

多進程就相當於下麵這種賣票的行為

 

 

在這裡要註意,當系統內只有一個單核CPU是,多進程並不會發生,此時各進程會依次占用CPU運行至完成

 

我們可以通過Python的語句會的CPU可用的核數,如下圖

 

 

為了形成比較,我們還是使用之前的那個例子,噹噹圖書,搜索關鍵字商品信息的抓取

首先寫出多進程主方法

# coding=utf-8
__Author__ = "susmote"

from multi_threading import mining_func
import multiprocessing
import time


def multiple_process_test():
    start_time = time.time()
    page_range_list = [
        (1, 10),
        (11, 20),
        (21, 32),
    ]
    pool = multiprocessing.Pool(processes=3)
    for page_range in page_range_list:
        pool.apply_async(mining_func.get_urls_in_pages, (page_range[0], page_range[1]))

    pool.close()
    pool.join()
    end_time = time.time()
    print("抓取時間:", end_time - start_time)
    return end_time - start_time

  在這裡面,我簡單解釋一下有關多進程的操作

pool被定義為可同時並行3個進程的進程池,然後通過迴圈,使用apply_async方法使進入進程池的進程以非同步的方式並行運行

下麵是主函數

# coding=utf-8
__Author__ = "susmote"

from process_func import multiple_process_test


if __name__ == "__main__":
    pt = multiple_process_test()
    print("pt : ", pt)

  

把代碼運行起來,得到如下結果

 5.908

 

再運行一次

3.954

 

最後一次

4.163

 

取平均時間

4.341秒

 

這時我們再回顧上篇文章多線程的情況(同樣網路條件下):

多線程

 

單線程

 

可以看到,差距非常明顯,多進程占絕大優勢

 

多進程就是這些,你也可以找一個更大的數據池,去試驗這些方法

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 這次作業主要基於Linux-0.12的源代碼,分析Linux是如何組織進程,進程的狀態之間是如何轉換,以及進程是如何調度的。 一. 進程的概念: 1.進程就是:程式在數據集合上的一次運行過程,是系統進行資源分配和調度的獨立單位。 2.對進程的靜態描述為:是一個數據集合,以及在其上運行的程式。 3.我 ...
  • 一、grep命令介紹 命令格式:grep [-cinvABC] ‘word’ filename,常用選項如下: -c:表示列印符合要求的行數。 -i:表示忽略大小寫。 -n:表示輸出符合要求的行及其行號。 -v:表示列印不符合要求的行。 -A:後面跟一個數字(有無空格都可以),例如-A2表示列印符合 ...
  • 原文地址: "http://www.cnblogs.com/NickQ/p/8973880.html " 使開發板上網 USB驅動部分 在arch/arm/mach s3c2440/mach smdk2440.c中,修改Usb時鐘。 Wireless tools移植 修改Makefile 使用mak ...
  • 我在編譯ligra是遇到了這個問題,網上搜了一遍,發現是了原因https://gcc.gnu.org/onlinedocs/libstdc%2B%2B/manual/using_dual_abi.html gcc5.4中C++11對一些變數的解析不太一樣(表達不太好),比如,f std::list< ...
  • 面向連接:舉個慄子,比如A給打B電話,需要進行三次握手 1.請求(A要向B發送請求)2.應答(B向A回應例如沒問題,你現在可以與我通話)3.連接(現在正式建立A與B的連接就可以通話了) 面向無連接:再舉個慄子,比如A給B發微信,A不會管B會不會收到也不會管B會不會應答他,A只管發送 區別:面向無連接 ...
  • 之前寫過一篇利用MS系的 Hyper-v 安裝 Ubuntu 的教程,這裡給出使用 Vmware 安裝 Linux 的教程。(ps:Hyper-v 的體驗感不太好,而且不夠大眾化) 1、準備工作 1.1下載系統鏡像 要安裝 Linux 系統,首先我們要去下載相關的系統鏡像,這裡選擇的是 Ubuntu ...
  • Technorati Tags: 嵌入式開發、模塊開發寄存器107號:電源管理器1PWR_MGMT_1: Description:This register allows the user to configure the power mode and clock source. It also p... ...
  • <! 企業里PC品牌和型號:主要用的是戴爾伺服器 1u:4.45cm 主流型號為:1u R420/430 R620/630 2u R720/730 cpu 記憶體(用戶訪問的地方) 硬碟和網卡 運維職責:網站不待機,數據不丟失,用戶體驗好 電源: 採用雙電源,支持熱插拔,雙線AB模式 集群除外 cpu ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...