C17：使用期物处理并发

17.1　示例： 网络下载的三种风格

17.1.2　使用concurrent.futures模块下载

总结：不返回期物的多线程

➐ 返回获取的结果数量；如果有线程抛出异常，异常会在这里抛出，这与隐式调用 next()函数从迭代器中获取相应的返回值一样。

17.1.3　期物在哪里

总结：返回期物的多线程

有时候存在字典中可能更让你方便，这取决于你的任务。

自测

1. 什么叫做期物”（future） ？
2. 期物的.done()方法作用，是否阻塞？
3. 期物的.add_done_callback() 方法作用？
4. 期物的.result() 方法作用？

答案

1.
期物指一种对象，表示异步执行的操作。

2.
这两种期物都有 .done() 方法，这个方法不阻塞，返回值是布尔值，指明期物链接的可调用对象是否已经执行。

3.
这个方法只有一个参数，类型是可调用的对象，期物运行结束后会调用指定的可调用对象。

4.

17.2　阻塞型I/O和GIL

自测

**1.为什么说python的多线程无用，但为什么我们用得合理时，它却确确实实的提高的执行速度？ **

答案

1.
因为有全局解释器锁（GIL），一次只允许使用一个线程执行 Python 字节码。因此，一个 Python 进程通常不能同时使用多个 CPU 核心。

但标准库中所有执行阻塞型 I/O 操作的函数，在等待操作系统返回结果时都会释放GIL。这意味着在 Python 语言这个层次上可以使用多线程，而 I/O 密集型 Python 程序能从中受益：一个 Python 线程等待网络响应时，阻塞型 I/O 函数会释放 GIL，再运行一个线程。

组织一下语言就是GIL锁在python中是一直存在的，但标准库中所有执行阻塞型 I/O 操作的函数，这种存在可以暂时释放掉

17.3　使用concurrent.futures模块启动进程

总结：返回期物的多进程

自测

1. 为什么普通电脑开启了多线程20个和开启了多进程20个，后者会更慢 ？
2. 有库可以实现真正的多个CPU运算吗，而不受GIL限制吗？
3. 什么时候你会选择开多进程？

答案

1.
因为一般电脑CPU都在4个左右，在这种情况后者限制只能有4个并发下载。

2.
有啊，不要因外界限制你的想象力了。
比如concurrent.futures 模块使用 ProcessPoolExecutor 类把工作分配给多个 Python 进程处理。因此，如果需要做 CPU 密集型处理，使用这个模块能绕开 GIL，利用所有可用的 CPU 核心。

3.
需要CPU做密集型作业时

17.4　实验Executor.map方法

总结：并发运行多个可调用的对象

自测

1. map和 （把 Executor.submit 方法和 futures.as_completed 函数结合）两种方式结合起来区别？

答案

1.
顺序不同