Python多线程实现支付模拟请求过程解析
(编辑:jimmy 日期: 2024/11/18 浏览:3 次 )
思路:
队列使用说明:
- multiprocessing.Queue()#用于进程间通信,单主进程与子进程无法通信(使用进程池时尽量不要使用这个)
- multiprocessing.Manager().Queue()#用于主子进程通信,通过进程池(pool)创建的进程可以数据共享
- queue.Queue()#用于线程间通信,同一进程内的数据可以共享
1.从数据库里获取待支付的订单
2.将获取出来的数据添加至队列(queue.Queue()),并在函数中返回消息队列的长度
3.根据队列长度创建对应的线程数量
4.把创建的线程放在list
5.依次启动
6.最后等待主线程执行完结束,统计函数运行时长
代码如下
import asyncio import sys from queue import Queue sys.path.append("../") from tool.__init__ import * from tool.decorator_token import * import time from threading import Thread,Lock class doWeChatNotify(BaseTest): def __init__(self): super().__init__() self.limit_num=100 #查询记录条数 self.WeChatNotify_sql='''select order_id,order_sn from fw_order where `status`=0 and course_id=1569 ORDER BY create_time desc limit %d ;'''%(self.limit_num) self.fwh_test_api=fwh_test_api self.data = self.my_op.sql_operation_fwh(self.WeChatNotify_sql) self.fwh_order_dict = {} self.que = Queue() @token_fwh#验证token有效性 def get_fwh_token_list(self): token_list=self.fwh_token.loadTokenList() return token_list @token_crm#验证token有 def get_crm_token_list(self) token_list=self.token.loadTokenList() return token_list def testDoWeChatNotify(self): DoWeChatNotify_file='../tokenFileAndtxtFiles'+'/'+"DoWeChatNotify_asynchronousPay.txt" with open(DoWeChatNotify_file,'a',encoding='utf=-8') as file: str_first="order_id\t"+"order_sn\t\n" #文件首行数据 file.write(str_first) fwh_order_id_list, fwh_order_sn_list = [], [] if self.data!=(): for a in self.data: fwh_order_id=a['order_id'] fwh_order_sn=a['order_sn'] self.fwh_order_dict[fwh_order_id]=fwh_order_sn with open(DoWeChatNotify_file,'a',encoding='utf-8') as file2:#文件写入 str_DoWeChatNotifyInfo=str(fwh_order_id)+'\t'+str(fwh_order_sn)+'\t\n' file2.flush() #清除缓冲区 file2.write(str_DoWeChatNotifyInfo) self.que.put(self.fwh_order_dict)#将数据添加至队列 #关闭数据库连接 # self.my_op.close_db_fwh() # self.my_op.close_db() return self.que.qsize()#返回队列数量 def asynchronousPay(self,order_id,order_sn): count=1 count_num=50 token_list=self.get_fwh_token_list() if (self.data!=()): headers_form_urlencoded['token']=token_list[0] url_wechat_success_huidiao=self.fwh_test_api+'/index/Order/doWeChatNotify' data_wechat_success_huidiao=self.data_to_str.requestDataToStr_firefoxAndChrome_fwh('''order_sn:{} order_id:{} meth_id:4 timestamp:157129653969 sign:0687b01b300b9e300d3996a9d2173f1380973e5a'''.format(order_sn,order_id)) request_wechat_success_huidiao=requests.post(url=url_wechat_success_huidiao,headers=headers_form_urlencoded,data=data_wechat_success_huidiao) response_wechat_success_huidiao=request_wechat_success_huidiao.json() if '订单状态错误,非待支付订单' in response_wechat_success_huidiao['msg']: print(data_wechat_success_huidiao) else: print('待支付订单为空') def run_multithreading(self):#多线程 threads = []#存放所有的线程 nloops = list(range(self.testDoWeChatNotify()))#获取队列数量 if len(nloops)>0: for i,k in zip(nloops,self.que.get().items()):#根据队列数量来创建线程 t = Thread(target=self.asynchronousPay,args=(k[0],k[1])) threads.append(t) for s in nloops: # 开始多线程 threads[s].start() for j in nloops: # 等待所有线程完成 threads[j].join() else: print("队列数量为空") if __name__=="__main__": start_time = time.time() # 计算程序开始时间 wechfy=doWeChatNotify() wechfy.run_multithreading()#多线程 print('程序耗时{:.2f}'.format(time.time() - start_time)) # 计算程序总耗时
总结:亲测运行时间还是会快很多,单线程支付100个订单四十几秒的样子,多线程运行不用join2.x秒,用join八秒的样子,还有很大的优化空间,因为运行时会创建100个线程
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
下一篇:安装多个版本的TensorFlow的方法步骤