这个线程池和一般线程池不同，是自动控频的，能够将任意耗时大小的函数控制成指定的运行频率。
此线程池入参不是设置并发大小(也可以设置并发大小)，而是设置tps大小(为0则不控频)。
能够自动多进程 + 多线程消费。目前的所有三方包要么是进程池，要么是线程池，不够完美。这个是自动多进程+线程池。
TpsThreadpoolExecutor 基于单进程的当前线程池控频。
DistributedTpsThreadpoolExecutor 基于多台机器的分布式控频，需要安装redis，统计出活跃线程池，从而平分任务。
TpsThreadpoolExecutorWithMultiProcess 基于单机 多进程 + 智能线程池 的控频率，自动开启多进程,适合单台电脑但cpu核心多。
DistributedTpsThreadpoolExecutorWithMultiProcess 基于多机的，每台机器自动开多进程 + 多线程 的控频率，适合多态电脑，但每台电脑的cpu核数不够强大。
import json
import time
from queue import Queue
import threading
from threadpool_executor_shrink_able.sharp_threadpoolexecutor import ThreadPoolExecutorShrinkAble
import nb_log
import redis
import decorator_libs
import socket
import os
import multiprocessing
import atexit
# 4种控频
"""
TpsThreadpoolExecutor 基于单进程的当前线程池控频。
DistributedTpsThreadpoolExecutor 基于多台机器的分布式控频，需要安装redis，统计出活跃线程池，从而平分任务。
TpsThreadpoolExecutorWithMultiProcess 基于单机 多进程 + 智能线程池 的控频率，自动开启多进程。
DistributedTpsThreadpoolExecutorWithMultiProcess 基于多机的，每台机器自动开多进程的控频率。
例如你有1台 128核的电脑作为压测客户机， 需要对web服务产生每秒1万次请求，则选择 TpsThreadpoolExecutorWithMultiProcess 合适（不需要安装redis）。
例如你有6台 16核的电脑作为压测客户机， 需要对web服务产生每秒1万次请求，则选择 DistributedTpsThreadpoolExecutorWithMultiProcess 合适。
"""
class ThreadPoolExecutorShrinkAbleWithSpecifyQueue(ThreadPoolExecutorShrinkAble):
def __init__(self, *args, specify_work_queue=None, **kwargs):
super(ThreadPoolExecutorShrinkAbleWithSpecifyQueue, self).__init__(*args, **kwargs)
self.work_queue = specify_work_queue
class TpsThreadpoolExecutor(nb_log.LoggerMixin):
def __init__(self, tps=0, max_workers=500, specify_work_queue=None):
"""
:param tps: 指定线程池每秒运行多少次函数，为0这不限制运行次数
"""
self.tps = tps
self.time_interval = 1 / tps if tps != 0 else 0
self.pool = ThreadPoolExecutorShrinkAbleWithSpecifyQueue(max_workers=max_workers,
specify_work_queue=specify_work_queue or Queue(
max_workers)) # 这是使用的智能线程池，所以可以写很大的数字，具体见另一个包的解释。
self._last_submit_task_time = time.time()
self._lock_for_count__last_submit_task_time = threading.Lock()
def submit(self, func, *args, **kwargs):
with self._lock_for_count__last_submit_task_time:
if self.time_interval:
time.sleep(self.time_interval)
return self.pool.submit(func, *args, **kwargs)
def shutdown(self, wait=True):
self.pool.shutdown(wait=wait)
def get_host_ip():
ip = ''
host_name = ''
# noinspection PyBroadException
try:
sc = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
sc.connect(('8.8.8.8', 80))
ip = sc.getsockname()[0]
host_name = socket.gethostname()
sc.close()
except Exception:
pass
return ip, host_name
class DistributedTpsThreadpoolExecutor(TpsThreadpoolExecutor, ):
"""
这个是redis分布式控频线程池，不是基于incr计数的，是基于统计活跃消费者，然后每个线程池平分频率的。
"""
def __init__(self, tps=0, max_workers=500, specify_work_queue=None, pool_identify: str = None,
redis_url: str = 'redis://:@127.0.0.1/0'):
"""
:param tps: 指定线程池每秒运行多少次函数，为0这不限制运行次数
:param pool_identify: 对相同标识的pool，进行分布式控频,例如多台机器都有标识为 123 的线程池，则所有机器加起来的运行次数控制成指定频率。
:param redis_url: 'redis://:secret@100.22.233.110/7'
"""
if pool_identify is None:
raise ValueError('设置的参数错误')
self._pool_identify = pool_identify
super(DistributedTpsThreadpoolExecutor, self).__init__(tps=tps, max_workers=max_workers, specify_work_queue=specify_work_queue)
# self.queue = multiprocessing.Queue(500)
self.redis_db = redis.from_url(redis_url)
self.redis_key_pool_identify = f'DistributedTpsThreadpoolExecutor:{pool_identify}'
ip, host_name = get_host_ip()
self.current_process_flag = f'{ip}-{host_name}-{os.getpid()}-{id(self)}'
self._heartbeat_interval = 10
decorator_libs.keep_circulating(self._heartbeat_interval, block=False, daemon=True)(
self._send_heartbeat_to_redis)
threading.Thread(target=self._run__send_heartbeat_to_redis_2_times).start()
self._last_show_pool_instance_num = time.time()
def _run__send_heartbeat_to_redis_2_times(self):
""" 使开始时候快速检测两次"""
self._send_heartbeat_to_redis()
time.sleep(2)
self._send_heartbeat_to_redis()
def _send_heartbeat_to_redis(self):
all_identify = self.redis_db.smembers(self.redis_key_pool_identify)
for identify in all_identify:
identify_dict = json.loads(identify)
if identify_dict['current_process_flag'] == self.current_process_flag:
self.redis_db.srem(self.redis_key_pool_identify, identify)
if time.time() - identify_dict['last_heartbeat_ts'] > self._heartbeat_interval + 1:
self.redis_db.srem(self.redis_key_pool_identify, identify)
self.redis_db.sadd(self.redis_key_pool_identify, json.dumps(
{'current_process_flag': self.current_process_flag, 'last_heartbeat_ts': time.time(),
'last_heartbeat_time_str': time.strftime('%Y-%m-%d %H:%M:%S')}))
pool_instance_num = self.redis_db.scard(self.redis_key_pool_identify)
if time.time() - self._last_show_pool_instance_num > 60:
self.logger.debug(f'分布式环境中一共有 {pool_instance_num} 个 {self._pool_identify} 标识的线程池')
self.time_interval = (1.0 / self.tps) * pool_instance_num if self.tps != 0 else 0
class TpsThreadpoolExecutorWithMultiProcess(nb_log.LoggerMixin):
""" 自动开多进程 + 线程池的方式。 例如你有一台128核的压测机器 对 web服务端进行压测，要求每秒压测1万 tps，单进程远远无法做到，可以方便设置 process_num 为 100"""
def _start_a_threadpool(self, ):
ttp = TpsThreadpoolExecutor(tps=self.tps / self.process_num, max_workers=self._max_works) # noqa
while True:
func, args, kwargs = self.queue.get() # 结束可以放None，然后这里判断，终止。或者joinable queue
future = ttp.submit(func, *args, **kwargs)
future.add_done_callback(self._queue_call_back)
# noinspection PyUnusedLocal
def _queue_call_back(self, result):
self.queue.task_done()
def __init__(self, tps=0, max_workers=500, process_num=1):
# if os.name == 'nt':
# raise EnvironmentError('不支持win')
# self.queue = multiprocessing.Queue(1)
self._max_works = max_workers
self.queue = multiprocessing.JoinableQueue(1) # mu
self.tps = tps
self.process_num = process_num
self.time_interval = 1 / tps if tps != 0 else 0
self._lock_for_submit = multiprocessing.Lock()
for _ in range(process_num):
multiprocessing.Process(target=self._start_a_threadpool, daemon=True).start()
atexit.register(self._at_exit)
def submit(self, func, *args, **kwargs):
self.queue.put((func, args, kwargs))
def shutdown(self, wait=True):
self.queue.join()
def _at_exit(self):
self.logger.warning('触发atexit')
self.queue.join()
# noinspection PyMethodOverriding
class DistributedTpsThreadpoolExecutorWithMultiProcess(TpsThreadpoolExecutorWithMultiProcess):
""" 自动开多进程 + 线程池的方式。 例如你有6台16核的压测机器 对 web服务端进行压测，要求每秒压测1万 tps，单进程远远无法做到，可以方便设置 process_num 为 100"""
def _start_a_threadpool(self):
ttp = DistributedTpsThreadpoolExecutor(tps=self.tps, max_workers=self._max_works, pool_identify=self.pool_identify, redis_url=self.redis_url) # noqa
while True:
func, args, kwargs = self.queue.get()
future = ttp.submit(func, *args, **kwargs)
future.add_done_callback(self._queue_call_back)
# noinspection PyMissingConstructor
def __init__(self, tps=0, max_workers=500, process_num=1, pool_identify: str = None, redis_url: str = 'redis://:@127.0.0.1/0'):
self.pool_identify = pool_identify
self.redis_url = redis_url
self.queue = multiprocessing.JoinableQueue(1)
self.tps = tps
self.process_num = process_num
self.time_interval = 1 / tps if tps != 0 else 0
self._max_workers = max_workers
# self.ttp = DistributedTpsThreadpoolExecutor(tps=self.tps, pool_identify=self.pool_identify, redis_url=self.redis_url)
for _ in range(process_num):
multiprocessing.Process(target=self._start_a_threadpool, daemon=True).start()
atexit.register(self._at_exit)
def f1(x):
time.sleep(0.5)
print(os.getpid(),threading.get_ident(), x)
def f2(x):
time.sleep(7)
print(os.getpid(), x)
def request_baidu():
import requests
resp = requests.get('http://www.baidu.com/content-search.xml')
print(os.getpid(), resp.status_code, resp.text[:10])
if __name__ == '__main__':
# tps_pool = TpsThreadpoolExecutor(tps=7) # 这个是单机控频
# tps_pool = DistributedTpsThreadpoolExecutor(tps=7, pool_identify='pool_for_use_print') # 这个是redis分布式控频，不是基于频繁incr计数的，是基消费者数量统计的。
tps_pool = TpsThreadpoolExecutorWithMultiProcess(tps=8, process_num=3) # 这个是redis分布式控频，不是基于incr计数的，是基于
# tps_pool = DistributedTpsThreadpoolExecutorWithMultiProcess(tps=4, pool_identify='pool_for_use_print', redis_url='redis://:372148@127.0.0.1/0', process_num=5) # 这个是redis分布式控频，不是基于incr计数的，是基于
for i in range(100):
tps_pool.submit(f1, i)
# tps_pool.submit(f2, i * 10)
# tps_pool.submit(request_baidu)
"""