2019年08月01日阅读 85

从Python源代码里面证明你的猜想

看过《Python爬虫开发从入门到实战》的同学，应该对multiprocessing这个模块比较熟悉，在书上我使用这个模块通过几行代码实现了一个简单的多线程爬虫:

import requests
from multiprocessing.dummy import Pool

def get(url):
    print(requests.get(url).text, '\n')

url_list = [
    'http://exercise.kingname.info/exercise_middleware_ip/1',
    'http://exercise.kingname.info/exercise_middleware_ip/2',
    'http://exercise.kingname.info/exercise_middleware_ip/3',
    'http://exercise.kingname.info/exercise_middleware_ip/4'
]

pool = Pool(3)
result = pool.map(get, url_list)
复制代码

运行效果如下图所示：

（没有看过我的书的人可能会质疑，multiprocessing不是多进程模块吗？为什么你说是多线程？看过书的读者不会有这个疑惑，因为我在书上解释过原因）

现在，你有一个函数，没有任何参数，但是仍然想让他使用多线程，于是模仿上面的代码，你这样写：

import requests
from multiprocessing.dummy import Pool

def test():
    print('函数运行成功！')


pool = Pool(3)
result = pool.map(test, ())
复制代码

运行以后发现，什么都没有打印出来，也就是说test()函数根本没有运行。

如果你强行给函数添加一个没用的参数，结果又正常了：

import requests
from multiprocessing.dummy import Pool

def test(_):
    print('函数运行成功！\n')


pool = Pool(3)
result = pool.map(test, (0, ) * 3)
复制代码

运行效果如下图所示。

所以你隐隐觉得，如果pool.map的第二个参数是空的可迭代对象，那么函数就不会运行。

（当然，使用过Python自带的map函数的同学肯定直接就知道这一点，不过本文依然使用它来做例子，用于说明阅读源代码的方法。）

为了证明这一点，我们打开Python安装目录/lib/multiprocessing/pool.py文件，在里面找到def map(self, func, iterable, chunksize=None)这一行，如下图所示：

（本文使用Python 3.7.3作为演示，如果你的Python版本不是3.7.3，那么代码可能会有一些区别）

从代码里面可以看到，这里调用了self._map_async()，传入参数，获得返回值以后，再调用了返回值的.get()方法。

所以继续看self._map_async()方法：

在这个方法里面，如果我们传入的可迭代对象为空，那么也就是这里的参数iterable为空。于是

chunksize = 0
len(iterable) = 0
复制代码

map的第一个参数，函数名被传入了下面这一行代码中：

task_batches = Pool._get_tasks(func, iterable, chunksize)
复制代码

查看Pool._get_tasks这个静态方法，可以看到：

由于这里的参数it就是空的可迭代对象，size为0，所以下面这一行代码返回空元组：

tuple(itertools.islice(it, size))
复制代码

这个生成器直接就会结束，最后一行yield (func, x)根本不会执行。

再来看代码里使用MapResult类初始化了一个result对象，然后返回这个对象。

再进入到MapResult类里面，如下图所示：

在这段__init__中，可以得到如下几个参数的值：

self._success = True
self._value = []  # 因为[None] * 0 结果为[]
self._event.set()
复制代码

关于self._event.set()请看我的另一篇公众号：

一日一技：Python多线程的事件监控

返回的result对象的.get()方法被调用了。但是由于MapResult本身没有.get()方法，于是变为调用父类ApplyResult的.get()方法。

再进入ApplyResult里面，查看.get()方法：

由于前面调用了self._event.set()，所以这里的self.ready()结果为True，而由于self._success在上面为True，所以这里直接return self._value。也就是返回一个空的列表。

到此为止，在pool.map的第二个参数为空的可迭代对象时，所有的流程就走完了。整个过程中，没有涉及到任何调用func的过程。所以原有的函数不会被执行。

最后说说为什么在本文中我们看的是multiprocessing的Pool类里面的map方法，而不是multiprocessing.dummy的Pool类里面的map方法。

这是因为，如果我们打开Python安装路径/Lib/multiprocessing/dummy/__init__.py，我们就可以看到，它的Pool实际上返回的是一个ThreadPool对象。而这个对象的代码，实际上也在Python安装路径/Lib/multiprocessing/pool.py文件中，并且继承自Pool类。所以他们的map方法的代码是完全一样的。