0
使用來自NASDAQ的URL查看庫存數據。對於4000股股票,我們正在考慮在線程中做每個4000個url線程。有沒有人試過這個?它是否超載Windows堆棧?使用4000線程的Python線程
使用來自NASDAQ的URL查看庫存數據。對於4000股股票,我們正在考慮在線程中做每個4000個url線程。有沒有人試過這個?它是否超載Windows堆棧?使用4000線程的Python線程
我建議使用concurrent.futures.ThreadPoolExecutor()
默認最大工作人員太多的線程會導致巨大的開銷。
最大工作人員默認爲(processor_count) * 5
這對你的情況很好,我相信。
使用asyncio
的客戶端也是一個選項,但它有點複雜。