這是關於 的討論，請參閱：https://discuss.python.org/t/speed-up-shutil-copytree/62078。如果您有任何想法，請發送給我！
shutil 是 Python 中一個非常有用的模組。你可以在github中找到它：https://github.com/python/cpython/blob/master/Lib/shutil.py
shutil.copytree 是將一個資料夾複製到另一個資料夾的函式。
在該函數中，呼叫_copytree函數進行複製。
_copytree 有什麼作用？
_當檔案數量較多或檔案大小較大時，copytree速度不是很快。
在這裡測試：
import os
import shutil
os.mkdir('test')
os.mkdir('test/source')
def bench_mark(func, *args):
import time
start = time.time()
func(*args)
end = time.time()
print(f'{func.__name__} takes {end - start} seconds')
return end - start
# write in 3000 files
def write_in_5000_files():
for i in range(5000):
with open(f'test/source/{i}.txt', 'w') as f:
f.write('Hello World' + os.urandom(24).hex())
f.close()
bench_mark(write_in_5000_files)
def copy():
shutil.copytree('test/source', 'test/destination')
bench_mark(copy)
結果是：
write_in_5000_files 需要 4.084963083267212 秒
複製需要 27.12768316268921 秒
我使用多執行緒來加速複製過程。我將函式重新命名為_copytree_single_threaded，新增一個新函式_copytree_multithreaded。這是copytree_multithreaded：
def _copytree_multithreaded(src, dst, symlinks=False, ignore=None, copy_function=shutil.copy2,
ignore_dangling_symlinks=False, dirs_exist_ok=False, max_workers=4):
"""Recursively copy a directory tree using multiple threads."""
sys.audit("shutil.copytree", src, dst)
# get the entries to copy
entries = list(os.scandir(src))
# make the pool
with ThreadPoolExecutor(max_workers=max_workers) as executor:
# submit the tasks
futures = [
executor.submit(_copytree_single_threaded, entries=[entry], src=src, dst=dst,
symlinks=symlinks, ignore=ignore, copy_function=copy_function,
ignore_dangling_symlinks=ignore_dangling_symlinks,
dirs_exist_ok=dirs_exist_ok)
for entry in entries
]
# wait for the tasks
for future in as_completed(futures):
try:
future.result()
except Exception as e:
print(f"Failed to copy: {e}")
raise
我新增了一個判斷，選擇是否使用多執行緒。
if len(entries) >= 100 or sum(os.path.getsize(entry.path) for entry in entries) >= 100*1024*1024:
# multithreaded version
return _copytree_multithreaded(src, dst, symlinks=symlinks, ignore=ignore,
copy_function=copy_function,
ignore_dangling_symlinks=ignore_dangling_symlinks,
dirs_exist_ok=dirs_exist_ok)
else:
# single threaded version
return _copytree_single_threaded(entries=entries, src=src, dst=dst,
symlinks=symlinks, ignore=ignore,
copy_function=copy_function,
ignore_dangling_symlinks=ignore_dangling_symlinks,
dirs_exist_ok=dirs_exist_ok)
我在來源資料夾中寫入了 50000 個檔案。基準標記：
def bench_mark(func, *args):
import time
start = time.perf_counter()
func(*args)
end = time.perf_counter()
print(f"{func.__name__} costs {end - start}s")
寫入：
import os
os.mkdir("Test")
os.mkdir("Test/source")
# write in 50000 files
def write_in_file():
for i in range(50000):
with open(f"Test/source/{i}.txt", 'w') as f:
f.write(f"{i}")
f.close()
兩個比較：
def copy1():
import shutil
shutil.copytree('test/source', 'test/destination1')
def copy2():
import my_shutil
my_shutil.copytree('test/source', 'test/destination2')
副本 1 花費 173.04780609999943s
copy2 花費 155.81321870000102s
copy2 比 copy1 快很多。你可以跑很多次。
使用多執行緒可以加快複製過程。但會增加記憶體佔用。但我們不需要在程式碼中重寫多線程。
感謝「巴瑞·史考特」。我會聽從他/她的建議：
透過使用非同步 I/O，您可能會以更少的開銷獲得相同的改進。
我寫了這些程式碼：
import os
import shutil
import asyncio
from concurrent.futures import ThreadPoolExecutor
import time
# create directory
def create_target_directory(dst):
os.makedirs(dst, exist_ok=True)
# copy 1 file
async def copy_file_async(src, dst):
loop = asyncio.get_event_loop()
await loop.run_in_executor(None, shutil.copy2, src, dst)
# copy directory
async def copy_directory_async(src, dst, symlinks=False, ignore=None, dirs_exist_ok=False):
entries = os.scandir(src)
create_target_directory(dst)
tasks = []
for entry in entries:
src_path = entry.path
dst_path = os.path.join(dst, entry.name)
if entry.is_dir(follow_symlinks=not symlinks):
tasks.append(copy_directory_async(src_path, dst_path, symlinks, ignore, dirs_exist_ok))
else:
tasks.append(copy_file_async(src_path, dst_path))
await asyncio.gather(*tasks)
# choose copy method
def choose_copy_method(entries, src, dst, **kwargs):
if len(entries) >= 100 or sum(os.path.getsize(entry.path) for entry in entries) >= 100 * 1024 * 1024:
# async version
asyncio.run(copy_directory_async(src, dst, **kwargs))
else:
# single thread version
shutil.copytree(src, dst, **kwargs)
# test function
def bench_mark(func, *args):
start = time.perf_counter()
func(*args)
end = time.perf_counter()
print(f"{func.__name__} costs {end - start:.2f}s")
# write in 50000 files
def write_in_50000_files():
for i in range(50000):
with open(f"Test/source/{i}.txt", 'w') as f:
f.write(f"{i}")
def main():
os.makedirs('Test/source', exist_ok=True)
write_in_50000_files()
# 单线程复制
def copy1():
shutil.copytree('Test/source', 'Test/destination1')
def copy2():
shutil.copytree('Test/source', 'Test/destination2')
# async
def copy3():
entries = list(os.scandir('Test/source'))
choose_copy_method(entries, 'Test/source', 'Test/destination3')
bench_mark(copy1)
bench_mark(copy2)
bench_mark(copy3)
shutil.rmtree('Test')
if __name__ == "__main__":
main()
輸出：
副本 1 花費 187.21 秒
copy2 花費 244.33s
copy3 花費 111.27 秒
可以看到非同步版本比單執行緒版本更快。但單線程版本比多線程版本更快。 （可能是我的測試環境不太好，你可以嘗試一下，把你的結果回覆給我）
謝謝巴瑞·史考特！
非同步是一個不錯的選擇。但沒有一個解決方案是完美的。如果您發現任何問題，可以回覆我。
這是我第一次在 python.org 寫討論。如果有任何問題，請告訴我。謝謝。
我的Github：https://github.com/mengqinyuan
我的開發者：https://dev.to/mengqinyuan
以上是加快 `shutil.copytree` 速度！的詳細內容。更多資訊請關注PHP中文網其他相關文章！
