Zukunft
Future ist ein Container, der entweder das Ergebnis einer Berechnung oder einen Fehler, der w?hrend dieser Berechnung aufgetreten ist, enthalten kann. Wenn eine Zukunft erstellt wird, beginnt sie im Status PENDING. Die Bibliothek beabsichtigt nicht, dieses Objekt manuell zu erstellen, au?er vielleicht zu Testzwecken.
import concurrent.futures as futures f = futures.Future() assert(f._result is None) assert(f._exception is None) assert(f._state == 'PENDING')
Der Status PENDING zeigt an, dass eine vom Benutzer angeforderte Berechnung im Thread-Pool registriert und in eine Warteschlange gestellt wurde, aber noch von keinem Thread zur Ausführung übernommen wurde. Sobald ein freier Thread die Aufgabe (Callback) aus der Warteschlange übernimmt, wechselt der Future in den RUNNING-Status. Ein Future kann nur storniert werden, solange er sich im Status PENDING befindet. Daher gibt es zwischen den Zust?nden PENDING und RUNNING ein Zeitfenster, in dem die angeforderte Berechnung abgebrochen werden kann.
import concurrent.futures as futures def should_cancel_pending_future(): f = futures.Future() assert(f._state == 'PENDING') assert(f.cancel()) assert(f._state == 'CANCELLED') def should_not_cancel_running_future(): f = futures.Future() f.set_running_or_notify_cancel() assert(f._state == 'RUNNING') assert(not f.cancel()) def cancel_is_idempotent(): f = futures.Future() assert(f.cancel()) assert(f.cancel()) should_cancel_pending_future() should_not_cancel_running_future() cancel_is_idempotent()
Eine angeforderte Operation im Thread-Pool kann entweder mit einem berechneten Wert abgeschlossen werden oder zu einem Fehler führen. Unabh?ngig vom Ergebnis geht die Zukunft in den Zustand FERTIG über. Das Ergebnis bzw. der Fehler wird dann in den entsprechenden Feldern gespeichert.
import concurrent.futures as futures def future_completed_with_result(): f = futures.Future() f.set_result('foo') assert(f._state == 'FINISHED') assert(f._result == 'foo') assert(f._exception is None) def future_completed_with_exception(): f = futures.Future() f.set_exception(NameError()) assert(f._state == 'FINISHED') assert(f._result is None) assert(isinstance(f._exception, NameError)) future_completed_with_result() future_completed_with_exception()
Um das Ergebnis einer Berechnung abzurufen, wird die Ergebnismethode verwendet. Wenn die Berechnung noch nicht abgeschlossen ist, blockiert diese Methode den aktuellen Thread (von dem Ergebnis aufgerufen wurde), bis die Berechnung abgeschlossen ist oder die Wartezeit abgelaufen ist.
Wenn die Berechnung erfolgreich und ohne Fehler abgeschlossen wird, gibt die Ergebnismethode den berechneten Wert zurück.
import concurrent.futures as futures import time import threading f = futures.Future() def target(): time.sleep(1) f.set_result('foo') threading.Thread(target=target).start() assert(f.result() == 'foo')
Wenn w?hrend der Berechnung eine Ausnahme aufgetreten ist, wird das Ergebnis diese Ausnahme ausl?sen.
import concurrent.futures as futures import time import threading f = futures.Future() def target(): time.sleep(1) f.set_exception(NameError) threading.Thread(target=target).start() try: f.result() raise Exception() except NameError: assert(True)
Wenn die Methode w?hrend des Wartens abl?uft, wird ein TimeoutError ausgel?st.
import concurrent.futures as futures f = futures.Future() try: f.result(1) raise Exception() except TimeoutError: assert(f._result is None) assert(f._exception is None)
Der Versuch, das Ergebnis einer abgebrochenen Berechnung abzurufen, l?st einen CancelledError aus.
import concurrent.futures as futures f = futures.Future() assert(f.cancel()) try: f.result() raise Exception() except futures.CancelledError: assert(True)
Wartestrategie
Im Entwicklungsprozess ist es durchaus üblich, N Berechnungen in einem Thread-Pool auszuführen und auf deren Abschluss zu warten. Um dies zu erreichen, stellt die Bibliothek eine Wartefunktion bereit. Es gibt mehrere Wartestrategien: FIRST_COMPLETED, FIRST_EXCEPTION, ALL_COMPLETED.
Allen Wartestrategien ist gemeinsam, dass, wenn die an die Wartemethode übergebenen Futures bereits abgeschlossen sind, die Sammlung der übergebenen Futures unabh?ngig von der gew?hlten Strategie zurückgegeben wird. Es spielt keine Rolle, wie sie abgeschlossen wurden, ob mit einem Fehler, einem Ergebnis oder ob sie abgebrochen wurden.
import concurrent.futures as futures def test(return_when): f1, f2, f3 = futures.Future(), futures.Future(), futures.Future() f1.cancel() f1.set_running_or_notify_cancel() # required f2.set_result('foo') f3.set_exception(NameError) r = futures.wait([f1, f2, f3], return_when=return_when) assert(len(r.done) == 3) assert(len(r.not_done) == 0) for return_when in [futures.ALL_COMPLETED, futures.FIRST_EXCEPTION, futures.FIRST_COMPLETED]: test(return_when)
ALL_COMPLETED-Strategie
Die ALL_COMPLETED-Strategie garantiert das Warten auf den Abschluss aller übergebenen Futures oder das Beenden nach einer Zeitüberschreitung mit einer Sammlung der bis zu diesem Zeitpunkt abgeschlossenen Futures, die m?glicherweise unvollst?ndig ist.
import concurrent.futures as futures f = futures.Future() assert(f._result is None) assert(f._exception is None) assert(f._state == 'PENDING')
FIRST_COMPLETED
Die FIRST_COMPLETED-Strategie garantiert die Rückgabe einer Sammlung mit mindestens einem abgeschlossenen Future oder einer leeren Sammlung im Falle eines Timeouts. Diese Strategie bedeutet NICHT, dass die zurückgegebene Sammlung nicht mehrere Elemente enthalten kann.
import concurrent.futures as futures def should_cancel_pending_future(): f = futures.Future() assert(f._state == 'PENDING') assert(f.cancel()) assert(f._state == 'CANCELLED') def should_not_cancel_running_future(): f = futures.Future() f.set_running_or_notify_cancel() assert(f._state == 'RUNNING') assert(not f.cancel()) def cancel_is_idempotent(): f = futures.Future() assert(f.cancel()) assert(f.cancel()) should_cancel_pending_future() should_not_cancel_running_future() cancel_is_idempotent()
FIRST_EXCEPTION
Die FIRST_EXCEPTION-Strategie unterbricht die Wartezeit, wenn eine der Berechnungen mit einem Fehler endet. Wenn keine Ausnahmen auftreten, ist das Verhalten identisch mit dem ALL_COMPLETED-Future.
import concurrent.futures as futures def future_completed_with_result(): f = futures.Future() f.set_result('foo') assert(f._state == 'FINISHED') assert(f._result == 'foo') assert(f._exception is None) def future_completed_with_exception(): f = futures.Future() f.set_exception(NameError()) assert(f._state == 'FINISHED') assert(f._result is None) assert(isinstance(f._exception, NameError)) future_completed_with_result() future_completed_with_exception()
ThreadPoolExecutor
Das Objekt ist für die Erstellung eines Thread-Pools verantwortlich. Die Hauptmethode für die Interaktion mit diesem Objekt ist die Submit-Methode. Es erm?glicht die Registrierung einer Berechnung im Thread-Pool. Als Antwort wird ein Future-Objekt zurückgegeben, das verwendet wird, um den Status der Berechnung zu überwachen und das Endergebnis zu erhalten.
Eigenschaften
- Neue Threads werden NUR bei Bedarf erstellt:
- Wenn zum Zeitpunkt der Anforderung einer Berechnung mindestens ein freier Thread vorhanden ist, wird kein neuer Thread erstellt
- Wenn bei der Anforderung einer Berechnung keine freien Threads vorhanden sind, wird ein neuer Thread erstellt, sofern das maxWorkers-Limit nicht erreicht wurde.
- Wenn keine freien Threads vorhanden sind und das maxWorkers-Limit erreicht wurde, wird die Berechnung in eine Warteschlange gestellt und vom n?chsten verfügbaren Thread übernommen
- Die maximale Anzahl der standardm??ig für Rechenanforderungen zugewiesenen Threads entspricht der Anzahl der logischen Prozessorkerne
- Ein einmal erstellter Thread wird auch bei geringer Last nicht zerst?rt
Das obige ist der detaillierte Inhalt vonPython concurrent.futures. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Hei?e KI -Werkzeuge

Undress AI Tool
Ausziehbilder kostenlos

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem v?llig kostenlosen KI-Gesichtstausch-Tool aus!

Hei?er Artikel

Hei?e Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Der Schlüssel zum Umgang mit der API -Authentifizierung besteht darin, die Authentifizierungsmethode korrekt zu verstehen und zu verwenden. 1. Apikey ist die einfachste Authentifizierungsmethode, die normalerweise in den Anforderungsheader- oder URL -Parametern platziert ist. 2. BasicAuth verwendet Benutzername und Kennwort für die Basis64 -Codierungsübertragung, die für interne Systeme geeignet ist. 3.. OAuth2 muss das Token zuerst über Client_id und Client_secret erhalten und dann das BearerToken in den Anforderungsheader bringen. V. Kurz gesagt, die Auswahl der entsprechenden Methode gem?? dem Dokument und das sichere Speichern der Schlüsselinformationen ist der Schlüssel.

Assert ist ein Inssertion -Tool, das in Python zum Debuggen verwendet wird, und wirft einen Assertionerror aus, wenn der Zustand nicht erfüllt ist. Die Syntax ist eine geltende Bedingung sowie optionale Fehlerinformationen, die für die interne Logiküberprüfung geeignet sind, z. B. Parameterprüfung, Statusbest?tigung usw., k?nnen jedoch nicht für die Sicherheits- oder Benutzereingabeprüfung verwendet werden und sollten in Verbindung mit klaren Eingabeaufforderungen verwendet werden. Es ist nur zum Hilfsdebuggen in der Entwicklungsphase verfügbar, anstatt die Ausnahmebehandlung zu ersetzen.

TypHintsinpythonsolvetheProblemofAmbiguityAndpotentialbugsindynamicalpedCodeByAllowingDevelopstospecifyexpectypes

Eine gemeinsame Methode, um zwei Listen gleichzeitig in Python zu durchqueren, besteht darin, die Funktion ZIP () zu verwenden, die mehrere Listen in der Reihenfolge und die kürzeste ist. Wenn die Listenl?nge inkonsistent ist, k?nnen Sie iTertools.zip_longest () verwenden, um die l?ngste zu sein und die fehlenden Werte auszufüllen. In Kombination mit Enumerate () k?nnen Sie den Index gleichzeitig erhalten. 1.zip () ist pr?gnant und praktisch, geeignet für die Iteration gepaarte Daten; 2.zip_longest () kann den Standardwert beim Umgang mit inkonsistenten L?ngen einfüllen. 3.Enumerate (ZIP ()) kann w?hrend des Durchlaufens Indizes erhalten und die Bedürfnisse einer Vielzahl komplexer Szenarien erfüllen.

INPYTHON, ITERATORATORSAROBJECTSHATALWOULOUPING ThroughCollections Byimplementing__iter __ () und __Next __ (). 1) IteratorsworkviATheiterProtocol, verwendete __iter __ () toreturn thiteratorand__Next __ () torethentexteemtemuntemuntilstoperationSaised.2) und

Um moderne und effiziente APIs mit Python zu schaffen, wird Fastapi empfohlen. Es basiert auf Eingabeaufforderungen an Standardpython -Typ und kann automatisch Dokumente mit ausgezeichneter Leistung generieren. Nach der Installation von Fastapi und ASGI Server Uvicorn k?nnen Sie Schnittstellencode schreiben. Durch das Definieren von Routen, das Schreiben von Verarbeitungsfunktionen und die Rückgabe von Daten kann schnell APIs erstellt werden. Fastapi unterstützt eine Vielzahl von HTTP -Methoden und bietet automatisch generierte Swaggerui- und Redoc -Dokumentationssysteme. URL -Parameter k?nnen durch Pfaddefinition erfasst werden, w?hrend Abfrageparameter durch Einstellen von Standardwerten für Funktionsparameter implementiert werden k?nnen. Der rationale Einsatz pydantischer Modelle kann dazu beitragen, die Entwicklungseffizienz und Genauigkeit zu verbessern.

Um die API zu testen, müssen Sie Pythons Anfragebibliothek verwenden. In den Schritten werden die Bibliothek installiert, Anfragen gesendet, Antworten überprüfen, Zeitüberschreitungen festlegen und erneut werden. Installieren Sie zun?chst die Bibliothek über PipinstallRequests. Verwenden Sie dann Requests.get () oder Requests.Post () und andere Methoden zum Senden von GET- oder Post -Anfragen. überprüfen Sie dann die Antwort. Fügen Sie schlie?lich Zeitüberschreitungsparameter hinzu, um die Zeitüberschreitungszeit festzulegen, und kombinieren Sie die Wiederholungsbibliothek, um eine automatische Wiederholung zu erreichen, um die Stabilit?t zu verbessern.

In Python sind Variablen, die in einer Funktion definiert sind, lokale Variablen und sind nur innerhalb der Funktion gültig. Extern definiert sind globale Variablen, die überall gelesen werden k?nnen. 1. lokale Variablen werden zerst?rt, wenn die Funktion ausgeführt wird. 2. Die Funktion kann auf globale Variablen zugreifen, kann jedoch nicht direkt ge?ndert werden, sodass das globale Schlüsselwort erforderlich ist. 3. Wenn Sie die ?u?eren Funktionsvariablen in verschachtelten Funktionen ?ndern m?chten, müssen Sie das nichtlokale Schlüsselwort verwenden. 4.. Variablen mit demselben Namen beeinflussen sich in verschiedenen Bereichen nicht gegenseitig; 5. Global muss bei der Modifizierung globaler Variablen deklariert werden, ansonsten werden ungebundener Fehler aufgeworfen. Das Verst?ndnis dieser Regeln hilft bei der Vermeidung von Fehler und zum Schreiben zuverl?ssigerer Funktionen.
