Python實(shí)現(xiàn)多任務(wù)進(jìn)程示例

更新時(shí)間：2022年01月05日 10:05:46 作者：愛摸魚的菜鳥碼農(nóng)

大家好，本篇文章主要講的是Python實(shí)現(xiàn)多任務(wù)進(jìn)程示例，感興趣的同學(xué)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(jìn)程介紹

進(jìn)程：正在執(zhí)行的程序，由程序、數(shù)據(jù)和進(jìn)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(diào)度的基本單位。

程序：沒有執(zhí)行的代碼，是一個(gè)靜態(tài)的。

二、線程和進(jìn)程之間的對比

干貨：利用 Python 實(shí)現(xiàn)多任務(wù)進(jìn)程

由圖可知：此時(shí)電腦有 9 個(gè)應(yīng)用進(jìn)程，但是一個(gè)進(jìn)程又會(huì)對應(yīng)于多個(gè)線程，可以得出結(jié)論：

進(jìn)程：能夠完成多任務(wù)，一臺(tái)電腦上可以同時(shí)運(yùn)行多個(gè) QQ

線程：能夠完成多任務(wù)，一個(gè) QQ 中的多個(gè)聊天窗口

根本區(qū)別：進(jìn)程是操作系統(tǒng)資源分配的基本單位，而線程是任務(wù)調(diào)度和執(zhí)行的基本單位.

使用多進(jìn)程的優(yōu)勢:

1、擁有獨(dú)立GIL:

首先由于進(jìn)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(gè)進(jìn)程中的多個(gè)線程，在同一時(shí)刻只能有一個(gè)線程運(yùn)行。而對于多進(jìn)程來說，每個(gè)進(jìn)程都有屬于自己的 GIL，所以，在多核處理器下，多進(jìn)程的運(yùn)行是不會(huì)受 GIL的影響的。因此，多進(jìn) 程能更好地發(fā)揮多核的優(yōu)勢。

2、效率高

當(dāng)然，對于爬蟲這種 IO 密集型任務(wù)來說，多線程和多進(jìn)程影響差別并不大。對于計(jì)算密集型任務(wù)來說，Python 的多進(jìn)程相比多線程，其多核運(yùn)行效率會(huì)有成倍的提升。

干貨：利用 Python 實(shí)現(xiàn)多任務(wù)進(jìn)程

三、Python 實(shí)現(xiàn)多進(jìn)程

我們先用一個(gè)實(shí)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(gè)實(shí)現(xiàn)多進(jìn)程最基礎(chǔ)的方式：通過創(chuàng)建 Process 來新建一個(gè)子進(jìn)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(diào)用的方法 process 的參數(shù)是一一對應(yīng)的。

注意：這里 args 必須要是一個(gè)元組，如果只有一個(gè)參數(shù)，那也要在元組第一個(gè)元素后面加一個(gè)逗號(hào)，如果沒有逗號(hào)則和單個(gè)元素本身沒有區(qū)別，無法構(gòu)成元組，導(dǎo)致參數(shù)傳遞出現(xiàn)問題。創(chuàng)建完進(jìn)程之后，我們通過調(diào)用 start 方法即可啟動(dòng)進(jìn)程了。

運(yùn)行結(jié)果如下：

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

可以看到，我們運(yùn)行了 5 個(gè)子進(jìn)程，每個(gè)進(jìn)程都調(diào)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(gè)序號(hào)，最后打印出來，5 個(gè)子進(jìn)程運(yùn)行結(jié)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(gè)構(gòu)造方法，這個(gè)方法接收一個(gè) loop 參數(shù)，代表循環(huán)次數(shù)，并將其設(shè)置為全局變量。在 run方法中，又使用這個(gè) loop 變量循環(huán)了 loop 次并打印了當(dāng)前的進(jìn)程號(hào)和循環(huán)次數(shù)。

在調(diào)用時(shí)，我們用 range 方法得到了 2、3、4 三個(gè)數(shù)字，并把它們分別初始化了 MyProcess 進(jìn)程，然后調(diào)用 start 方法將進(jìn)程啟動(dòng)起來。

注意：這里進(jìn)程的執(zhí)行邏輯需要在 run 方法中實(shí)現(xiàn)，啟動(dòng)進(jìn)程需要調(diào)用 start 方法，調(diào)用之后 run 方法便會(huì)執(zhí)行。

運(yùn)行結(jié)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(jìn)程 pid 代表進(jìn)程號(hào)，不同機(jī)器、不同時(shí)刻運(yùn)行結(jié)果可能不同。

四、進(jìn)程之間的通信

1、Queue-隊(duì)列先進(jìn)先出

from multiprocessing import Queue
import multiprocessing
def download(p): # 下載數(shù)據(jù)
lst = [11,22,33,44]
for item in lst:
p.put(item)print('數(shù)據(jù)已經(jīng)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(jù)已經(jīng)下載成功....
[11, 22, 33, 44]

2、共享全局變量不適用于多進(jìn)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(yùn)行結(jié)果:

有結(jié)果可知：全局變量不共享；

五、進(jìn)程池之間的通信

1、進(jìn)程池引入

當(dāng)需要?jiǎng)?chuàng)建的子進(jìn)程數(shù)量不多時(shí)，可以直接利用 multiprocessing 中的 Process 動(dòng)態(tài)生成多個(gè)進(jìn)程，但是如果是上百甚至上千個(gè)目標(biāo)，手動(dòng)的去創(chuàng)建的進(jìn)程的工作量巨大，此時(shí)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(jìn)程號(hào)為%d'%(a,os.getpid))
time.sleep(random.random*2)
t_stop = time.time
print(a,"執(zhí)行完成,耗時(shí)%0.2f"%(t_stop-t_start))
if __name__ == '__main__':
po = Pool(3) # 定義一個(gè)進(jìn)程池
for i in range(0,10):
po.apply_async(worker,(i,)) # 向進(jìn)程池中添加worker的任務(wù)print("--start--")
po.closepo.joinprint("--end--")

運(yùn)行結(jié)果:

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

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

干貨：利用 Python 實(shí)現(xiàn)多任務(wù)進(jìn)程

六、案例:文件批量復(fù)制

操作思路:

獲取要復(fù)制文件夾的名字

創(chuàng)建一個(gè)新的文件夾

獲取文件夾里面所有待復(fù)制的文件名

創(chuàng)建進(jìn)程池

向進(jìn)程池添加任務(wù)

代碼如下:

導(dǎo)包

import multiprocessing
import osimport time

定制文件復(fù)制函數(shù)

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

定義主函數(shù)

def main:
oldfolderName = input('請輸入要復(fù)制的文件夾名字:') # 步驟1獲取要復(fù)制文件夾的名字(可以手動(dòng)創(chuàng)建,也可以通過代碼創(chuàng)建,這里我們手動(dòng)創(chuàng)建)
newfolderName = oldfolderName + '復(fù)件'
# 步驟二 創(chuàng)建一個(gè)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(fù)制的文件名
# print(filenames)
pool = multiprocessing.Pool(5) # 4.創(chuàng)建進(jìn)程池
Q = multiprocessing.Manager.Queue # 創(chuàng)建隊(duì)列,進(jìn)行通信for file_name in filenames:
pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向進(jìn)程池添加任務(wù)
po.closecopy_file_num = 0
file_count = len(filenames)
# 不知道什么時(shí)候完成,所以定義一個(gè)死循環(huán)while True:
file_name = Q.getcopy_file_num += 1
time.sleep(0.2)
print('\r拷貝進(jìn)度%.2f %%'%(copy_file_num * 100/file_count),end='') # 做一個(gè)拷貝進(jìn)度條
if copy_file_num >= file_count:
break

程序運(yùn)行