欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python實現(xiàn)多任務進程示例

 更新時間:2022年01月05日 10:05:46   作者:愛摸魚的菜鳥碼農  
大家好,本篇文章主要講的是Python實現(xiàn)多任務進程示例,感興趣的同學趕快來看一看吧,對你有幫助的話記得收藏一下,方便下次瀏覽

一、進程介紹

進程:正在執(zhí)行的程序,由程序、數(shù)據和進程控制塊組成,是正在執(zhí)行的程序,程序的一次執(zhí)行過程,是資源調度的基本單位。

程序:沒有執(zhí)行的代碼,是一個靜態(tài)的。

二、線程和進程之間的對比

干貨:利用 Python 實現(xiàn)多任務進程

由圖可知:此時電腦有 9 個應用進程,但是一個進程又會對應于多個線程,可以得出結論:

進程:能夠完成多任務,一臺電腦上可以同時運行多個 QQ

線程:能夠完成多任務,一個 QQ 中的多個聊天窗口

根本區(qū)別:進程是操作系統(tǒng)資源分配的基本單位,而線程是任務調度和執(zhí)行的基本單位.

使用多進程的優(yōu)勢:

1、擁有獨立GIL:

首先由于進程中 GIL 的存在,Python 中的多線程并不能很好地發(fā)揮多核優(yōu)勢,一個進程中的多個線程,在同 一時刻只能有一個線程運行。而對于多進程來說,每個進程都有屬于自己的 GIL,所以,在多核處理器下,多進程的運行是不會受 GIL的影響的。因此,多進 程能更好地發(fā)揮多核的優(yōu)勢。

2、效率高

當然,對于爬蟲這種 IO 密集型任務來說,多線程和多進程影響差別并不大。對于計算密集型任務來說,Python 的多進程相比多線 程,其多核運行效率會有成倍的提升。

干貨:利用 Python 實現(xiàn)多任務進程

三、Python 實現(xiàn)多進程

我們先用一個實例來感受一下:

1、使用 process 類

import multiprocessing 
def process(index):
print(f'Process: {index}')
if __name__ == '__main__':
for i in range(5):
p = multiprocessing.Process(target=process, args=(i,))p.start

這是一個實現(xiàn)多進程最基礎的方式:通過創(chuàng)建 Process 來新建一個子進程,其中 target 參數(shù)傳入方法名,args 是方法的參數(shù),是以 元組的形式傳入,其和被調用的方法 process 的參數(shù)是一一對應的。

注意:這里 args 必須要是一個元組,如果只有一個參數(shù),那也要在元組第一個元素后面加一個逗號,如果沒有逗號則 和單個元素本身沒有區(qū)別,無法構成元組,導致參數(shù)傳遞出現(xiàn)問題。創(chuàng)建完進程之后,我們通過調用 start 方法即可啟動進程了。

運行結果如下:

Process: 0 
Process: 1
Process: 2
Process: 3
Process: 4

可以看到,我們運行了 5 個子進程,每個進程都調用了 process 方法。process 方法的 index 參數(shù)通過 Process 的 args 傳入,分別是 0~4 這 5 個序號,最后打印出來,5 個子進程運行結束。

2、繼承 process 類

from multiprocessing import Process
import timeclass MyProcess(Process):
def __init__(self,loop):
Process.__init__(self)
self.loop = loop
def run(self):
for count in range(self.loop):
time.sleep(1)
print(f'Pid:{self.pid} LoopCount: {count}')
if __name__ == '__main__':
for i in range(2,5):
p = MyProcess(i)
p.start

我們首先聲明了一個構造方法,這個方法接收一個 loop 參數(shù),代表循環(huán)次數(shù),并將其設置為全局變量。在 run方法中,又使用這 個 loop 變量循環(huán)了 loop 次并打印了當前的進程號和循環(huán)次數(shù)。

在調用時,我們用 range 方法得到了 2、3、4 三個數(shù)字,并把它們分別初始化了 MyProcess 進程,然后調用 start 方法將進程啟動起 來。

注意:這里進程的執(zhí)行邏輯需要在 run 方法中實現(xiàn),啟動進程需要調用 start 方法,調用之后 run 方法便會執(zhí)行。

運行結果如下:

Pid:12976 LoopCount: 0
Pid:15012 LoopCount: 0
Pid:11976 LoopCount: 0
Pid:12976 LoopCount: 1
Pid:15012 LoopCount: 1
Pid:11976 LoopCount: 1
Pid:15012 LoopCount: 2
Pid:11976 LoopCount: 2
Pid:11976 LoopCount: 3

注意,這里的進程 pid 代表進程號,不同機器、不同時刻運行結果可能不同。

四、進程之間的通信

1、Queue-隊列 先進先出

from multiprocessing import Queue
import multiprocessing
def download(p): # 下載數(shù)據
lst = [11,22,33,44]
for item in lst:
p.put(item)print('數(shù)據已經下載成功....')
def savedata(p):
lst = 
while True:
data = p.getlst.append(data)if p.empty:
breakprint(lst)def main:p1 = Queuet1 = multiprocessing.Process(target=download,args=(p1,))t2 = multiprocessing.Process(target=savedata,args=(p1,))t1.startt2.startif __name__ == '__main__':
main
數(shù)據已經下載成功....
[11, 22, 33, 44]

2、共享全局變量不適用于多進程編程

import multiprocessing
a = 1
def demo1:
global a
a += 1
def demo2:
print(a)def main:
t1 = multiprocessing.Process(target=demo1)t2 = multiprocessing.Process(target=demo2)t1.startt2.startif __name__ == '__main__':
main

運行結果:

1

有結果可知:全局變量不共享;

五、進程池之間的通信

1、進程池引入

當需要創(chuàng)建的子進程數(shù)量不多時,可以直接利用 multiprocessing 中的 Process 動態(tài)生成多個進程,但是如果是上百甚至上千個目標,手動的去創(chuàng)建的進程的工作量巨大,此時就可以用到 multiprocessing 模塊提供的 Pool 方法。

from multiprocessing import Pool
import os,time,random
def worker(a):t_start = time.time
print('%s開始執(zhí)行,進程號為%d'%(a,os.getpid))
time.sleep(random.random*2)
t_stop = time.time
print(a,"執(zhí)行完成,耗時%0.2f"%(t_stop-t_start))
if __name__ == '__main__':
po = Pool(3) # 定義一個進程池
for i in range(0,10):
po.apply_async(worker,(i,)) # 向進程池中添加worker的任務print("--start--")
po.closepo.joinprint("--end--")

運行結果:

--start--
0開始執(zhí)行,進程號為6664
1開始執(zhí)行,進程號為47722開始執(zhí)行,進程號為132560 執(zhí)行完成,耗時0.18
3開始執(zhí)行,進程號為6664
2 執(zhí)行完成,耗時0.16
4開始執(zhí)行,進程號為13256
1 執(zhí)行完成,耗時0.67
5開始執(zhí)行,進程號為4772
4 執(zhí)行完成,耗時0.87
6開始執(zhí)行,進程號為13256
3 執(zhí)行完成,耗時1.59
7開始執(zhí)行,進程號為6664
5 執(zhí)行完成,耗時1.15
8開始執(zhí)行,進程號為4772
7 執(zhí)行完成,耗時0.40
9開始執(zhí)行,進程號為6664
6 執(zhí)行完成,耗時1.80
8 執(zhí)行完成,耗時1.49
9 執(zhí)行完成,耗時1.36
--end--

一個進程池只能容納 3 個進程,執(zhí)行完成才能添加新的任務,在不斷的打開與釋放的過程中循環(huán)往復。

干貨:利用 Python 實現(xiàn)多任務進程

 

六、案例:文件批量復制

操作思路:

獲取要復制文件夾的名字

創(chuàng)建一個新的文件夾

獲取文件夾里面所有待復制的文件名

創(chuàng)建進程池

向進程池添加任務

代碼如下:

導包

import multiprocessing
import osimport time

定制文件復制函數(shù)

def copy_file(Q,oldfolderName,newfolderName,file_name):
# 文件復制,不需要返回time.sleep(0.5)
# print('\r從%s文件夾復制到%s文件夾的%s文件'%(oldfolderName,newfolderName,file_name),end='')
old_file = open(oldfolderName + '/' + file_name,'rb') # 待復制文件
content = old_file.readold_file.closenew_file = open(newfolderName + '/' + file_name,'wb') # 復制出的新文件
new_file.write(content)
new_file.closeQ.put(file_name) # 向Q隊列中添加文件

定義主函數(shù)

def main:
oldfolderName = input('請輸入要復制的文件夾名字:') # 步驟1獲取要復制文件夾的名字(可以手動創(chuàng)建,也可以通過代碼創(chuàng)建,這里我們手動創(chuàng)建)
newfolderName = oldfolderName + '復件'
# 步驟二 創(chuàng)建一個新的文件夾if not os.path.exists(newfolderName):
os.mkdir(newfolderName)
filenames = os.listdir(oldfolderName) # 3.獲取文件夾里面所有待復制的文件名
# print(filenames)
pool = multiprocessing.Pool(5) # 4.創(chuàng)建進程池
Q = multiprocessing.Manager.Queue # 創(chuàng)建隊列,進行通信for file_name in filenames:
pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向進程池添加任務
po.closecopy_file_num = 0
file_count = len(filenames)
# 不知道什么時候完成,所以定義一個死循環(huán)while True:
file_name = Q.getcopy_file_num += 1
time.sleep(0.2)
print('\r拷貝進度%.2f %%'%(copy_file_num * 100/file_count),end='') # 做一個拷貝進度條
if copy_file_num >= file_count:
break

程序運行

if __name__ == '__main__':
main

運行結果如下圖所示:

干貨:利用 Python 實現(xiàn)多任務進程

運行前后文件目錄結構對比

運行前

干貨:利用 Python 實現(xiàn)多任務進程

運行后

干貨:利用 Python 實現(xiàn)多任務進程

到此這篇關于Python實現(xiàn)多任務進程示例的文章就介紹到這了,更多相關Python多任務進程內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • python編程實現(xiàn)歸并排序

    python編程實現(xiàn)歸并排序

    這篇文章主要為大家詳細介紹了python編程實現(xiàn)歸并排序的具體代碼,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2017-04-04
  • django模型查詢操作的實現(xiàn)

    django模型查詢操作的實現(xiàn)

    一旦創(chuàng)建好了數(shù)據模型,Django就會自動為我們提供一個數(shù)據庫抽象API,允許創(chuàng)建、檢索、更新和刪除對象操作,本文就詳細的介紹一下,感興趣的可以了解一下
    2021-08-08
  • Python基于Tkinter的HelloWorld入門實例

    Python基于Tkinter的HelloWorld入門實例

    這篇文章主要介紹了Python基于Tkinter的HelloWorld入門實例,以一個簡單實例分析了Python中Tkinter模塊的使用技巧,需要的朋友可以參考下
    2015-06-06
  • Python實現(xiàn)圖的廣度和深度優(yōu)先路徑搜索算法

    Python實現(xiàn)圖的廣度和深度優(yōu)先路徑搜索算法

    圖是一種抽象數(shù)據結構,本質和樹結構是一樣的。圖與樹相比較,圖具有封閉性,可以把樹結構看成是圖結構的前生。本文將利用Python實現(xiàn)圖的廣度和深度優(yōu)先路徑搜索算法,感興趣的可以學習一下
    2022-04-04
  • 深入理解Python中的元類(metaclass)

    深入理解Python中的元類(metaclass)

    這篇文章主要介紹了深入理解Python中的元類(metaclass),本文是一篇相當精彩的外文翻譯,講解了類也是對象、動態(tài)地創(chuàng)建類、到底什么是元類,需要的朋友可以參考下
    2015-02-02
  • Python實現(xiàn)將json文件中向量寫入Excel的方法

    Python實現(xiàn)將json文件中向量寫入Excel的方法

    這篇文章主要介紹了Python實現(xiàn)將json文件中向量寫入Excel的方法,涉及Python讀取、遍歷json格式數(shù)據及Excel文件寫入相關操作技巧,需要的朋友可以參考下
    2018-03-03
  • Python 數(shù)據科學 Matplotlib圖庫詳解

    Python 數(shù)據科學 Matplotlib圖庫詳解

    Matplotlib 是 Python 的二維繪圖庫,用于生成符合出版質量或跨平臺交互環(huán)境的各類圖形。今天通過本文給大家分享Python 數(shù)據科學 Matplotlib的相關知識,感興趣的朋友一起看看吧
    2021-07-07
  • python?sklearn?畫出決策樹并保存為PDF的實現(xiàn)過程

    python?sklearn?畫出決策樹并保存為PDF的實現(xiàn)過程

    這篇文章主要介紹了python?sklearn?畫出決策樹并保存為PDF的實現(xiàn)過程,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-07-07
  • 使用Pyinstaller的最新踩坑實戰(zhàn)記錄

    使用Pyinstaller的最新踩坑實戰(zhàn)記錄

    這篇文章主要給大家介紹了最近在使用Pyinstaller的踩坑實戰(zhàn)記錄,主要介紹了PYTHON2X.DLL缺失和WINDOWS2003 32BIT提示程序無效這兩個問題的解決方法,文中給出了詳細的解決方法,需要的朋友們下面來一起看看吧。
    2017-11-11
  • Python通過正則表達式選取callback的方法

    Python通過正則表達式選取callback的方法

    這篇文章主要介紹了Python通過正則表達式選取callback的方法,涉及Python正則表達式及回調函數(shù)的使用技巧,具有一定參考借鑒價值,需要的朋友可以參考下
    2015-07-07

最新評論