python之怎么使用线程池map()方法传递多参数list
从现在开始,努力学习吧!本文《python之怎么使用线程池map()方法传递多参数list》主要讲解了等等相关知识点,我会在golang学习网中持续更新相关的系列文章,欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧,希望能帮到你!
线程池map()方法传递多参数list
之前通过threading.thread()进行了助力接口的多线程并发,但是这个针对并发数量较少的时候比较好用,如果并发数量多,除了线程包协程这种处理方式的情况下,我们还可以采用线程池的方法。
线程池的实现通俗讲就是把所有的任务放在了消息队列里,开启多个线程后执行线程,但线程执行结束后不会中断线程任务,会从消息队列内继续获取线程任务进行线程执行,这样线程池就比多线程操作节省了很多创建线程与关闭线程的步骤,节约大部分资源与时间。
线程池并发需要引入模块
import concurrent.futures
ThreadPoolExecutor 内有两种线程池方法 map()与submit()今天先说map()方法
他的语法为
with concurrent.futures.ThreadPoolExecutor() as pool: res = pool.map(craw, uid_list) print(res)
map()内craw为方法名,这里方法命不带()uid_list为方法参数,map()方法内需要传递list数据类型
先看一下整体代码
5000用户并发助力
def test_case_09(self):
"""5000用户并发助力"""
# 通过yaml配置文件封装方法 获取uid_list
uid_list = YamlHandler(YamlThePath().number_new).get_uid_list()
# add_ticket获取5000账号登陆状态
with concurrent.futures.ThreadPoolExecutor() as pool:
pool.map(AccountAccess().add_ticket, uid_list)
# 5000账号线程池方法助力用户
with concurrent.futures.ThreadPoolExecutor() as pool:
pool.map(PreheatMethod().help, [(uid, self.A, 1) for uid in uid_list])
# 获取用户被助力次数
response = PreheatMethod().init(self.A)
print(f"当前用户被助力次数 :{response['data']['userInfo']['helpedCount']}次")再来看一下两个接口的方法更好的感知一下
首先是获取登陆状态add_ticket
def add_ticket(self, uid):
"""
获取单独用户t票
:param uid: 单独用户uid
:return:
"""
self.data['url'] = ApiAddress().get_ticket
self.data['host'] = ApiAddress().host
self.params['uid'] = str(uid)
self.params['type'] = 0
self.data['params'] = json.dumps(self.params)
res = r().post(url=ApiAddress().ticket, data=self.data)
print(f'获取t票结果:{uid}{res}')
return uid很简单的一个接口请求 入参只有一个uid,但是注意一下这里的uid不是list,他只是一个参数。
那么有的同学就会有疑问,map()内传递的方法参数是一个uid内容的list。
map()方法就是把你需要的参数存在list内,通过遍历的方式去请求你指定的接口。
这时候可能有的人又会问,因为我当时也是这么问自己的,如果一个方法内有多个参数,其中这些参数有的甚至都不是固定的内容怎么办。
咱们看一下另一个请求助力接口的方法
def help(self, agrs):
"""
助力用户
:param agrs: uid:当前用户uid to_uid:助力用户uid count:助力次数
:return:
"""
uid, to_uid, count = agrs
self.attrs['toUid'] = str(to_uid)
self.attrs['count'] = count
response = r().response(uid, self.code, "help", **self.attrs)
logger.info(f'help response uid:{uid} to_uid:{to_uid}\n{response}')
return response没错,我们通过元组的方式传递到助力接口内,通过元组内的关键字位置分别给指定的元素赋值。
再线程池的代码内,我们通过列表推导式把uid_list内的参数便利到你指定好的元组内,当然这里如果是多个参数,也可以用字典,把字典便利key与value当作变化的参数,因为列表推导式给你返回的是list,所以我们把需要的参数放在元组内,元组放在列表内,这样就可以对多参数的方法使用map()线程池进行并发了。
with concurrent.futures.ThreadPoolExecutor() as pool: pool.map(PreheatMethod().help, [(uid, self.A, 1) for uid in uid_list])
[(uid, self.A, 1) for uid in uid_list]
列表推导式获取后大概就是下方的list数据内容格式

本篇关于《python之怎么使用线程池map()方法传递多参数list》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
西部数据重磅推出368TB“移动硬盘”,重量达13-15千克
- 上一篇
- 西部数据重磅推出368TB“移动硬盘”,重量达13-15千克
- 下一篇
- 在 Ubuntu 16.04 中出现 GOPATH 错误“go:无法在 GOPATH 模式下使用 path@version 语法”
-
- 文章 · python教程 | 1小时前 | python · 内存优化 · Python教程 · 文件读取 大文件处理 Python mmap 分段映射 ALLOCATIONGRANULARITY
- Python mmap 怎样分段处理超过内存的大文件
- 146浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · Python 二进制协议 零拷贝 memoryview
- Python memoryview 如何零拷贝切片二进制协议数据
- 225浏览 收藏
-
- 文章 · python教程 | 5小时前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 7小时前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 文章 · python教程 | 8小时前 | 异常处理 · 并发编程 · Python教程 · asyncio · asyncio 结构化并发 ExceptionGroup except* Python TaskGroup
- Python TaskGroup 如何汇总多个子任务异常
- 208浏览 收藏
-
- 文章 · python教程 | 12小时前 | 并发编程 · 工程实践 · Python教程 · 多进程日志 QueueListener multiprocessing.Queue RotatingFileHandler Python QueueHandler
- Python 日志 QueueHandler 解决多进程写入争用
- 186浏览 收藏
-
- 文章 · python教程 | 14小时前 | 数据校验 · python · Pydantic 部分更新 exclude_unset model_fields_set 显式空值 model_dump
- Pydantic 模型更新时区分未提供字段与显式空值
- 399浏览 收藏
-
- 文章 · python教程 | 17小时前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 21小时前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 386次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 466次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 474次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 415次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 240次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

