线程中的 Python 返回元组

Question

我在python中遇到了一个棘手的问题。这是我所拥有的。 首先，我有一个装饰器，我用它来为每个函数获取两个值，时间和结果。在我得到这些数字后，我使用python日志记录来存储时间。 现在我想同时运行两个函数并获取这些值。 最简单的方法是什么？

装饰：

def my_dec(func):
def wrapper(*args):
start_time = datetime.datetime.now().replace(microsecond=0)
result = func(*arg)
end_time  = datetime.datetime.now().replace(microsecond=0)
time = end_time - start_time
return time, result
return wrapper

功能1：

@my_dec
def get_taskbar_tooltip_message(timeout=10):
#This function calls another functions which waits and return value at a given timeout
#Returns string

功能2：

@my_dec
def check_pis(timer=200, status="start"):
#This function also calls other functions, which takes some time
#Returns bool

Answer 1

现在我想同时运行两个函数并获取这些值。

您可以从标准库的concurrent.futures模块中的高级工具开始。

多处理是真正的并行处理：

import time
from functools import wraps
from concurrent.futures import ProcessPoolExecutor as Executor
def my_dec(func):
@wraps(func)
def wrapper(*args, **kwargs):
start = time.perf_counter()
result = func(*args, **kwargs)
end = time.perf_counter()
return end - start, result
return wrapper
@my_dec
def get_taskbar_tooltip_message(timeout=10):
time.sleep(3)
return "a string"
@my_dec
def check_pis(timer=200, status="start"):
time.sleep(5)
return True
if __name__ == "__main__":
with Executor() as exec:
start = time.perf_counter()
result_1 = exec.submit(get_taskbar_tooltip_message)
result_2 = exec.submit(check_pis)
print(result_1.result(), result_2.result())
end = time.perf_counter()
print(end - start)

几点评论：

• 我用似乎更适合手头任务的time.perf_counter()替换了datetime.datetime.now()。
• 正如@Booboo所指出的：使用wraps是一种很好的做法。这在这里相当重要：没有它，多处理将失败(由于脱洗错误)。
• 我在关键字参数的情况下用**kwargs放大了wrapper签名(@Booboo也指出了)。

线程看起来很相似，只是使用另一种类型的Executor：

import time
from functools import wraps
from concurrent.futures import ThreadPoolExecutor as Executor
...
with Executor() as exec:
start = time.perf_counter()
result_1 = exec.submit(get_taskbar_tooltip_message)
result_2 = exec.submit(check_pis)
print(result_1.result(), result_2.result())
end = time.perf_counter()
print(end - start)

这里不需要if __name__ == "__main__":。线程不会脱离当前进程，因此它不是真正的并行，但它仍然非常有用。

选择哪种并发方法取决于您的用例：多处理更适合 CPU 密集型任务，而线程处理可能更适合 I/O 密集型任务。(Python 还为multiprocessing和threading提供了更多较低级别的接口。如果您正在查看 I/O 密集型任务，那么还有另一种方法可用，asyncio，这可能是一种替代方案：有一点学习曲线，您可能需要重组您的函数，但这可能是值得的。