一次说明白Python爬虫中多线程，多进程，异步IO编程
admin
2021-01-12 05:43:21
0次
图/文：迷神
我们在Python爬虫中，重要的是讲究速度，如果有10万或者100万Url地址，写过爬虫的都会知道，那估计是非常慢的。我们的Python爬虫一般IO密集型业务，Python爬虫程序需要发起网络请求，必然就有网络IO阻塞，通常请求一个URL耗时要几百毫秒到几秒，逐步执行，和我们CPU那么高性能比起来，那真是天壤之别。
比如，我们Python爬虫在单线程同步爬取过程中，一个个的爬取网站所有的URL，假设100个URL，平均每个URL请求的时间是1秒，那么在单线程同步场景下，最快也需要100秒钟，才能把所有的页面爬取下来。
在网页数据爬取以后，发现在数据量不大的时候，这种普通的程序还勉强，如果想极大提高速度，做到 快速爬虫，就需要使用多线程，多进程，异步IO编程了。不过，Python中有一个臭名昭著的GIL，导致做不到真正的并行运算，多核无法真正利用起来。多线程在切换线程，还有切换成本，以及线程的创建成本。如果使用多进程，虽然能利用多核处理的优势，但是多进程的创建本城比线程更高，而IO密集型任务，CPU不是瓶颈。
鉴于此，Python3.4 还是引入了异步 asyncio 模块，增加了异步编程，跟 JavaScript 的async/await 极为类似，大大方便了异步任务的处理。异步编程使得CPU不再需要再去等待耗时的操作，而是让出CPU时间给其他任务执行，可以极大提高完成所有的任务速度。
下面，我们通过具体的小例子，来看看多线程，多进程，异步IO编程的区别：1、普通同步，单线程阻塞
单线程版本，所有的任务，按照顺序依次等待执行。
单线程
结果如下：
结果
