快捷導(dǎo)航

python多進程控制學(xué)習(xí)小結(jié)

更新時間：2018年10月31日 09:27:44 作者：青云

這篇文章主要介紹了python多進程控制學(xué)習(xí)小結(jié)，想要充分利用多核CPU資源，Python中大部分情況下都需要使用多進程，Python中提供了multiprocessing這個包實現(xiàn)多進程。感興趣的小伙伴們可以參考一下

前言：

python多進程，經(jīng)常在使用，卻沒有怎么系統(tǒng)的學(xué)習(xí)過，官網(wǎng)上面講得比較細，結(jié)合自己的學(xué)習(xí)，整理記錄下官網(wǎng):https://docs.python.org/3/library/multiprocessing.html

multiprocessing簡介

multiprocessing是python自帶的多進程模塊，可以大批量的生成進程，在服務(wù)器為多核CPU時效果更好，類似于threading模塊。相對于多線程，多進程由于獨享內(nèi)存空間，更穩(wěn)定安全，在運維里面做些批量操作時，多進程有更多適用的場景

multiprocessing包提供了本地和遠程兩種并發(fā)操作,有效的避開了使用子進程而不是全局解釋鎖的線程，因此，multiprocessing可以有效利用到多核處理

Process類

在multiporcessing中，通過Process類對象來批量產(chǎn)生進程，使用start()方法來啟動這個進程

1.語法

multiprocessing.Process(group=None,target=None,name=None,args=(),kwargs={},*)

group: 這個參數(shù)一般為空，它只是為了兼容threading.Tread
target: 這個參數(shù)就是通過run()可調(diào)用對象的方法，默認為空，表示沒有方法被調(diào)用
name: 表示進程名
args: 傳給target調(diào)用方法的tuple(元組)參數(shù)
kwargs: 傳給target調(diào)用方法的dict(字典)參數(shù)

2.Process類的方法及對象

run()
該方法是進程的運行過程，可以在子類中重寫此方法，一般也很少去重構(gòu)

start()
啟動進程，每個進程對象都必須被該方法調(diào)用

join([timeout])
等待進程終止，再往下執(zhí)行，可以設(shè)置超時時間

name
可以獲取進程名字,多個進程也可以是相同的名字

is_alive()
返回進程是否還存活，True or False，進程存活是指start()開始到子進程終止

daemon
守護進程的標記，一個布爾值，在start()之后設(shè)置該值，表示是否后臺運行
注意：如果設(shè)置了后臺運行，那么后臺程序不運行再創(chuàng)建子進程

pid
可以獲取進程ID

exitcode
子進程退出時的值，如果進程還沒有終止，值將是None,如果是負值，表示子進程被終止

terminate()
終止進程，如果是Windows，則使用terminateprocess()，該方法對已經(jīng)退出和結(jié)束的進程，將不會執(zhí)行

以下為一個簡單的例子:

#-*- coding:utf8 -*- 
import multiprocessing
import time

def work(x):
  time.sleep(1)
  print time.ctime(),'這是子進程[{0}]...'.format(x)

if __name__ == '__main__':
  for i in range(5):
    p = multiprocessing.Process(target=work,args=(i,))
    print '啟動進程數(shù):{0}'.format(i)
    p.start()
    p.deamon = True

當(dāng)然也可以顯示每個進程的ID

#-*- coding:utf8 -*- 
import multiprocessing
import time
import os

def work(x):
  time.sleep(1)
  ppid = os.getppid()
  pid = os.getpid()
  print time.ctime(),'這是子進程[{0},父進程:{1},子進程:{2}]...'.format(x,ppid,pid)

if __name__ == '__main__':
  for i in range(5):
    p = multiprocessing.Process(target=work,args=(i,))
    print '啟動進程數(shù):{0}'.format(i)
    p.start()
    p.deamon = True

但在實際使用的過程中，并不只是并發(fā)完就可以了，比如，有30個任務(wù)，由于服務(wù)器資源有限，每次并發(fā)5個任務(wù)，這里還涉及到30個任務(wù)怎么獲取的問題，另外并發(fā)的進程任務(wù)執(zhí)行時間很難保證一致，尤其是需要時間的任務(wù)，可能并發(fā)5個任務(wù)，有3個已經(jīng)執(zhí)行完了，2個還需要很長時間執(zhí)行，總不能等到這兩個進程執(zhí)行完了，再繼續(xù)執(zhí)行后面的任務(wù)，因此進程控制就在此有了使用場景，可以利用Process的方法和一些multiprocessing的包，類等結(jié)合使用

進程控制及通信常用類

一、Queue類

類似于python自帶的Queue.Queue，主要用在比較小的隊列上面

語法：

multiprocessing.Queue([maxsize])

類方法：

qsize()
返回隊列的大致大小，因為多進程或者多線程一直在消耗隊列，因此該數(shù)據(jù)不一定正確

empty()
判斷隊列是否為空，如果是，則返回True，否則False

full()
判斷隊列是否已滿，如果是，則返回True，否則False

put(obj[, block[, timeout]])
將對象放入隊列，可選參數(shù)block為True，timeout為None

get()
從隊列取出對象

#-*- coding:utf8 -*-
from multiprocessing import Process, Queue

def f(q):
  q.put([42,None,'hi'])

if __name__ == '__main__':
  q = Queue()
  p = Process(target=f, args=(q,))
  p.start()
  print q.get() #打印內(nèi)容: [42,None,'hi']
  p.join()

二、Pipe類

pipe()函數(shù)返回一對對象的連接，可以為進程間傳輸消息，在打印一些日志、進程控制上面有一些用處，Pip()對象返回兩個對象connection，代表兩個通道，每個connection對象都有send()和recv()方法，需要注意的是兩個或以上的進程同時讀取或者寫入同一管道，可能會導(dǎo)致數(shù)據(jù)混亂，測試了下，是直接覆蓋了。另外，返回的兩個connection,如果一個是send()數(shù)據(jù),那么另外一個就只能recv()接收數(shù)據(jù)了

#-*- coding:utf8 -*-
from multiprocessing import Process, Pipe
import time
def f(conn,i):
  print '[{0}]已經(jīng)執(zhí)行到子進程:{1}'.format(time.ctime(),i)
  time.sleep(1)
  w = "[{0}]hi,this is :{1}".format(time.ctime(),i)
  conn.send(w)
  conn.close()

if __name__ == '__main__':
  reader = []
  parent_conn, child_conn = Pipe()
  for i in range(4):
    p = Process(target=f, args=(child_conn,i))
    p.start()
    reader.append(parent_conn)
    p.deamon=True

  # 等待所有子進程跑完
  time.sleep(3)
  print '\n[{0}]下面打印child_conn向parent_conn傳輸?shù)男畔?'.format(time.ctime())
  for i in reader:
    print i.recv()

輸出為：

三、Value,Array

在進行并發(fā)編程時，應(yīng)盡量避免使用共享狀態(tài)，因為多進程同時修改數(shù)據(jù)會導(dǎo)致數(shù)據(jù)破壞。但如果確實需要在多進程間共享數(shù)據(jù)，multiprocessing也提供了方法Value、Array

from multiprocessing import Process, Value, Array

def f(n, a):
  n.value = 3.1415927
  for i in range(len(a)):
    a[i] = -a[i]

if __name__ == '__main__':
  num = Value('d',0.0)
  arr = Array('i', range(10))

  p = Process(target=f, args=(num, arr))
  p.start()
  p.join()

  print num.value
  print arr[:]

*print
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]*

四、Manager進程管理模塊

Manager類管理進程使用得較多，它返回對象可以操控子進程，并且支持很多類型的操作，如: list, dict, Namespace、lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value, Array，因此使用Manager基本上就夠了

from multiprocessing import Process, Manager

def f(d, l):
  d[1] = '1'
  d['2'] = 2
  d[0.25] = None
  l.reverse()

if __name__ == '__main__':
  with Manager() as manager:
    d = manager.dict()
    l = manager.list(range(10))

    p = Process(target=f, args=(d, l))
    p.start()
    p.join() #等待進程結(jié)束后往下執(zhí)行
    print d,'\n',l

輸出：
{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

可以看到，跟共享數(shù)據(jù)一樣的效果，大部分管理進程的方法都集成到了Manager()模塊了

五、對多進程控制的應(yīng)用實例

  #-*- coding:utf8 -*-
  from multiprocessing import Process, Queue
  import time
  
  def work(pname,q):
    time.sleep(1)
    print_some = "{0}|this is process: {1}".format(time.ctime(),pname)
    print print_some
    q.put(pname)
  
  if __name__ == '__main__':
    p_manag_num = 2 # 進程并發(fā)控制數(shù)量2
    # 并發(fā)的進程名
    q_process = ['process_1','process_2','process_3','process_4','process_5']
    q_a = Queue() # 將進程名放入隊列
    q_b = Queue() # 將q_a的進程名放往q_b進程,由子進程完成
  
    for i in q_process:
      q_a.put(i)
  
    p_list = [] # 完成的進程隊列
    while not q_a.empty():
      if len(p_list) <= 2:
        pname=q_a.get()
        p = Process(target=work, args=(pname,q_b))
        p.start()
        p_list.append(p)
        print pname
  
      for p in p_list:
        if not p.is_alive():
          p_list.remove(p)
  
    # 等待5秒,預(yù)估執(zhí)行完后看隊列通信信息
    # 當(dāng)然也可以循環(huán)判斷隊列里面的進程是否執(zhí)行完成
    time.sleep(5)
    print '打印p_b隊列:'
    while not q_b.empty():
      print q_b.get()

執(zhí)行結(jié)果: