Python多進程模式實現(xiàn)多核CPU并行計算

更新時間：2023年05月29日 08:45:20 作者：Python?集中營

隨著計算機硬件的不斷發(fā)展，多核CPU已經(jīng)成為普及的硬件設備，在本文中，我們將重點介紹在Python中如何利用多進程模式提高程序的執(zhí)行效率，感興趣的可以了解一下

1.Python中的多進程模式

在Python中，可以使用multiprocessing模塊來實現(xiàn)多進程。multiprocessing是Python標準庫中的一個模塊，用于管理多進程的創(chuàng)建和通信。

在multiprocessing中，可以使用Process類來創(chuàng)建進程，Process類的構造函數(shù)可以接受一個函數(shù)作為參數(shù)。

該函數(shù)將在子進程中執(zhí)行。下面是一個簡單的示例：

import?multiprocessing
def?worker():
????print("Worker?process?started")
if?__name__?==?'__main__':
????p?=?multiprocessing.Process(target=worker)
????p.start()
????p.join()

在上面的示例中，我們首先定義了一個worker函數(shù)，然后使用Process類創(chuàng)建了一個進程，并將worker函數(shù)作為參數(shù)傳遞給Process類的構造函數(shù)。

最后，我們調用Process類的start方法啟動進程，并調用Process類的join方法等待進程結束。

2.提高程序執(zhí)行效率的方法

在Python中使用多進程模式提高程序執(zhí)行效率，可以通過以下幾種方式來實現(xiàn)：

2.1多進程并發(fā)執(zhí)行任務

在多進程模式下，可以將任務分配給多個進程并行執(zhí)行，從而利用多核CPU的優(yōu)勢。

在Python中，可以使用multiprocessing模塊來實現(xiàn)多進程并發(fā)執(zhí)行任務。

下面是一個簡單的示例：

import?multiprocessing
def?worker(name):
????print("Worker?%s?started"?%?name)
if?__name__?==?'__main__':
????for?i?in?range(5):
????????p?=?multiprocessing.Process(target=worker,?args=(i,))
????????p.start()

在上面的示例中，我們定義了一個worker函數(shù)，該函數(shù)接受一個參數(shù)name，并在函數(shù)體中打印出Worker name started的信息。

然后我們使用for循環(huán)創(chuàng)建了5個進程，并將worker函數(shù)和對應的參數(shù)傳遞給Process類的構造函數(shù)。

最后，我們調用Process類的start方法啟動進程。

2.2進程池

對于大量重復的任務，可以使用進程池來維護一定數(shù)量的進程，每個進程執(zhí)行一個任務后返回結果，然后再由進程池分配下一個任務。

這樣可以避免頻繁地創(chuàng)建和銷毀進程，提高效率。在Python中，可以使用multiprocessing模塊的Pool類來實現(xiàn)進程池。

下面是一個簡單的示例：

import?multiprocessing
def?worker(name):
????print("Worker?%s?started"?%?name)
if?__name__?==?'__main__':
????with?multiprocessing.Pool(processes=4)?as?pool:
????????pool.map(worker,?range(10))

在上面的示例中，我們定義了一個worker函數(shù)，該函數(shù)接受一個參數(shù)name，并在函數(shù)體中打印出Worker name started的信息。

然后我們使用with語句創(chuàng)建了一個進程池，并指定進程池中的進程數(shù)量為4。

最后，我們使用Pool類的map方法將worker函數(shù)和對應的參數(shù)傳遞給進程池，進程池會自動分配任務給不同的進程執(zhí)行。

3.消息隊列

在多進程模式下，不同的進程之間需要進行通信，可以利用消息隊列來實現(xiàn)進程間通信。

Python中可以使用Queue模塊來實現(xiàn)消息隊列。下面是一個簡單的示例：

import?multiprocessing
def?producer(queue):
????for?i?in?range(10):
????????queue.put(i)
def?consumer(queue):
????while?not?queue.empty():
????????print(queue.get())
if?__name__?==?'__main__':
????queue?=?multiprocessing.Queue()
????p1?=?multiprocessing.Process(target=producer,?args=(queue,))
????p2?=?multiprocessing.Process(target=consumer,?args=(queue,))
????p1.start()
????p2.start()
????p1.join()
????p2.join()

在上面的示例中，我們定義了一個producer函數(shù)和一個consumer函數(shù)，producer函數(shù)將0~9的數(shù)字放入消息隊列，consumer函數(shù)從消息隊列中取出數(shù)字并打印出來。

然后我們使用multiprocessing模塊的Queue類創(chuàng)建了一個消息隊列，并使用Process類創(chuàng)建了兩個進程分別執(zhí)行producer函數(shù)和consumer函數(shù)。

4.共享內存

對于需要多個進程共享的數(shù)據(jù)，可以使用共享內存來避免數(shù)據(jù)拷貝和進程間通信的開銷。

在Python中，可以使用multiprocessing模塊的Value和Array類來實現(xiàn)共享內存。

下面是一個簡單的示例：

import?multiprocessing
def?worker(counter):
????counter.value?+=?1
if?__name__?==?'__main__':
????counter?=?multiprocessing.Value('i',?0)
????processes?=?[]
????for?i?in?range(5):
????????p?=?multiprocessing.Process(target=worker,?args=(counter,))
????????processes.append(p)
????????p.start()
????for?p?in?processes:
????????p.join()
????print(counter.value)

在上面的示例中，我們定義了一個worker函數(shù)，該函數(shù)接受一個參數(shù)counter，每次執(zhí)行時將counter的值加1。

然后我們使用multiprocessing模塊的Value類創(chuàng)建了一個整型變量counter，并使用Process類創(chuàng)建了5個進程分別執(zhí)行worker函數(shù)。

最后，我們打印出counter的值。

5.異步IO

對于I/O密集型任務，可以使用異步IO來提高效率。在Python中，可以使用asyncio模塊來實現(xiàn)異步IO。

下面是一個簡單的示例：

import?asyncio
async?def?worker():
????await?asyncio.sleep(1)
????print("Worker?process?started")
loop?=?asyncio.get_event_loop()
loop.run_until_complete(worker())

在上面的示例中，我們定義了一個worker函數(shù)，該函數(shù)使用asyncio庫的異步IO特性。

在函數(shù)體中，使用asyncio.sleep函數(shù)模擬了一個長時間的I/O操作，并在操作完成后打印了一條消息。

然后我們使用asyncio庫的get_event_loop函數(shù)創(chuàng)建了一個事件循環(huán)，并使用run_until_complete函數(shù)啟動worker函數(shù)。在程序執(zhí)行過程中，事件循環(huán)會負責調度和執(zhí)行異步IO操作。