python多线程适合IO密集型场景，而在CPU密集型场景，并不能充分利用多核CPU，而协程本质基于线程，同样不能充分发挥多核的优势。
针对计算密集型场景需要使用多进程，python的multiprocessing与threading模块非常相似，支持用进程池的方式批量创建子进程。
•创建单个Process进程(使用func)
只需要实例化Process类，传递函数给target参数，这点和threading模块非常的类似，args为函数的参数
|
1
2
3
4
5
6
7
8
9
10
11
|
import osfrom multiprocessing import Process# 子进程要执行的代码def task(name): print('run child process %s (%s)...' % (name, os.getpid()))if __name__ == '__main__': print('parent process %s.' % os.getpid()) p = Process(target=task, args=('test',)) p.start() p.join() print('process end.') |
•创建单个Process进程(使用class)
继承Process类，重写run方法创建进程，这点和threading模块基本一样
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import multiprocessingimport osfrom multiprocessing import current_processclass Worker(multiprocessing.Process): def run(self): name = current_process().name # 获取当前进程的名称 print('run child process <%s> (%s)' % (name, os.getpid())) print('In %s' % self.name) returnif __name__ == '__main__': print('parent process %s.' % os.getpid()) p = Worker() p.start() p.join() print('process end.') * 停止进程 |
terminate()结束子进程，但是会导致子进程的资源无法释放掉，是不推荐的做法，因为结束的时候不清楚子线程的运行状况，有很大可能性导致子线程在不恰当的时刻被结束。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import multiprocessingimport timedef worker(): print('starting worker') time.sleep(0.1) print('finished worker')if __name__ == '__main__': p = multiprocessing.Process(target=worker) print('执行前:', p.is_alive()) p.start() print('执行中:', p.is_alive()) p.terminate() # 发送停止号 print('停止:', p.is_alive()) p.join() print('等待完成:', p.is_alive()) |
•直接创建多个Process进程
|
1
2
3
4
5
6
7
8
9
10
|
import multiprocessingdef worker(num): print(f'Worker:%s %s', num) returnif __name__ == '__main__': jobs = [] for i in range(5): p = multiprocessing.Process(target=worker, args=(i,)) jobs.append(p) p.start() |
•使用进程池创建多个进程
在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。
Pool可以提供指定数量的进程供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import osimport randomimport timefrom multiprocessing import Poolfrom time import ctimedef task(name): print('start task %s (%s)...' % (name, os.getpid())) start = time.time() time.sleep(random.random() * 3) print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))if __name__ == '__main__': print('parent process %s.' % os.getpid()) p = Pool() # 初始化进程池 for i in range(5): p.apply_async(task, args=(i,)) # 追加任务 apply_async 是异步非阻塞的，就是不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。 p.close() p.join() # 等待所有结果执行完毕，会等待所有子进程执行完毕，调用join()之前必须先调用close() print(f'all done at: {ctime()}') |
如果关心每个进程的执行结果，可以使用返回结果的get方法获取，代码如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import osimport randomimport timefrom multiprocessing import Pool, current_processfrom time import ctimedef task(name): print('start task %s (%s)...' % (name, os.getpid())) start = time.time() time.sleep(random.random() * 3) print('end task %s runs %0.2f seconds.' % (name, (time.time() - start))) return current_process().name + 'done'if __name__ == '__main__': print('parent process %s.' % os.getpid()) result = [] p = Pool() # 初始化进程池 for i in range(5): result.append(p.apply_async(task, args=(i,))) # 追加任务 apply_async 是异步非阻塞的，就是不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。 p.close() p.join() # 等待所有结果执行完毕 for res in result: print(res.get()) # get()函数得出每个返回结果的值 print(f'all done at: {ctime()}') |
总结
以上所述是小编给大家介绍的python使用多进程的实现代码，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://www.cnblogs.com/chenqionghe/p/9674596.html
