前言：
python多进程，经常在使用，却没有怎么系统的学习过，官网上面讲得比较细，结合自己的学习，整理记录下官网:https://docs.python.org/3/library/multiprocessing.html
multiprocessing简介
multiprocessing是python自带的多进程模块，可以大批量的生成进程，在服务器为多核cpu时效果更好，类似于threading模块。相对于多线程，多进程由于独享内存空间，更稳定安全，在运维里面做些批量操作时，多进程有更多适用的场景
multiprocessing包提供了本地和远程两种并发操作,有效的避开了使用子进程而不是全局解释锁的线程，因此，multiprocessing可以有效利用到多核处理
process类
在multiporcessing中，通过process类对象来批量产生进程，使用start()方法来启动这个进程
1.语法
multiprocessing.process(group=none,target=none,name=none,args=(),kwargs={},*)
- group: 这个参数一般为空，它只是为了兼容threading.tread
- target: 这个参数就是通过run()可调用对象的方法，默认为空，表示没有方法被调用
- name: 表示进程名
- args: 传给target调用方法的tuple(元组)参数
- kwargs: 传给target调用方法的dict(字典)参数
2.process类的方法及对象
run()
该方法是进程的运行过程，可以在子类中重写此方法，一般也很少去重构
start()
启动进程，每个进程对象都必须被该方法调用
join([timeout])
等待进程终止，再往下执行，可以设置超时时间
name
可以获取进程名字,多个进程也可以是相同的名字
is_alive()
返回进程是否还存活，true or false，进程存活是指start()开始到子进程终止
daemon
守护进程的标记，一个布尔值，在start()之后设置该值，表示是否后台运行
注意：如果设置了后台运行，那么后台程序不运行再创建子进程
pid
可以获取进程id
exitcode
子进程退出时的值，如果进程还没有终止，值将是none,如果是负值，表示子进程被终止
terminate()
终止进程，如果是windows，则使用terminateprocess()，该方法对已经退出和结束的进程，将不会执行
以下为一个简单的例子:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#-*- coding:utf8 -*- import multiprocessingimport timedef work(x): time.sleep(1) print time.ctime(),'这是子进程[{0}]...'.format(x)if __name__ == '__main__': for i in range(5): p = multiprocessing.process(target=work,args=(i,)) print '启动进程数:{0}'.format(i) p.start() p.deamon = true |
当然也可以显示每个进程的id
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
#-*- coding:utf8 -*- import multiprocessingimport timeimport osdef work(x): time.sleep(1) ppid = os.getppid() pid = os.getpid() print time.ctime(),'这是子进程[{0},父进程:{1},子进程:{2}]...'.format(x,ppid,pid)if __name__ == '__main__': for i in range(5): p = multiprocessing.process(target=work,args=(i,)) print '启动进程数:{0}'.format(i) p.start() p.deamon = true |
但在实际使用的过程中，并不只是并发完就可以了，比如，有30个任务，由于服务器资源有限，每次并发5个任务，这里还涉及到30个任务怎么获取的问题，另外并发的进程任务执行时间很难保证一致，尤其是需要时间的任务，可能并发5个任务，有3个已经执行完了，2个还需要很长时间执行，总不能等到这两个进程执行完了，再继续执行后面的任务，因此进程控制就在此有了使用场景，可以利用process的方法和一些multiprocessing的包，类等结合使用
进程控制及通信常用类
一、queue类
类似于python自带的queue.queue，主要用在比较小的队列上面
语法：
multiprocessing.queue([maxsize])
类方法：
qsize()
返回队列的大致大小，因为多进程或者多线程一直在消耗队列，因此该数据不一定正确
empty()
判断队列是否为空，如果是，则返回true，否则false
full()
判断队列是否已满，如果是，则返回true，否则false
put(obj[, block[, timeout]])
将对象放入队列，可选参数block为true，timeout为none
get()
从队列取出对象
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#-*- coding:utf8 -*-from multiprocessing import process, queuedef f(q): q.put([42,none,'hi'])if __name__ == '__main__': q = queue() p = process(target=f, args=(q,)) p.start() print q.get() #打印内容: [42,none,'hi'] p.join() |
二、pipe类
pipe()函数返回一对对象的连接，可以为进程间传输消息，在打印一些日志、进程控制上面有一些用处，pip()对象返回两个对象connection，代表两个通道，每个connection对象都有send()和recv()方法，需要注意的是两个或以上的进程同时读取或者写入同一管道，可能会导致数据混乱，测试了下，是直接覆盖了。另外，返回的两个connection,如果一个是send()数据,那么另外一个就只能recv()接收数据了
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
#-*- coding:utf8 -*-from multiprocessing import process, pipeimport timedef f(conn,i): print '[{0}]已经执行到子进程:{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 # 等待所有子进程跑完 time.sleep(3) print '\n[{0}]下面打印child_conn向parent_conn传输的信息:'.format(time.ctime()) for i in reader: print i.recv() |
输出为：
三、value,array
在进行并发编程时，应尽量避免使用共享状态，因为多进程同时修改数据会导致数据破坏。但如果确实需要在多进程间共享数据，multiprocessing也提供了方法value、array
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from multiprocessing import process, value, arraydef 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[:] |
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]*
四、manager进程管理模块
manager类管理进程使用得较多，它返回对象可以操控子进程，并且支持很多类型的操作，如: list, dict, namespace、lock, rlock, semaphore, boundedsemaphore, condition, event, barrier, queue, value, array，因此使用manager基本上就够了
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from multiprocessing import process, managerdef 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() #等待进程结束后往下执行 print d,'\n',l |
输出：
{0.25: none, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
可以看到，跟共享数据一样的效果，大部分管理进程的方法都集成到了manager()模块了
五、对多进程控制的应用实例
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
#-*- coding:utf8 -*-from multiprocessing import process, queueimport timedef 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 # 进程并发控制数量2 # 并发的进程名 q_process = ['process_1','process_2','process_3','process_4','process_5'] q_a = queue() # 将进程名放入队列 q_b = queue() # 将q_a的进程名放往q_b进程,由子进程完成 for i in q_process: q_a.put(i) p_list = [] # 完成的进程队列 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,预估执行完后看队列通信信息 # 当然也可以循环判断队列里面的进程是否执行完成 time.sleep(5) print '打印p_b队列:' while not q_b.empty(): print q_b.get() |
执行结果:
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://segmentfault.com/a/1190000016855803
