亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python 多進程原理及實現(xiàn)

 更新時間：2020年12月21日 16:28:49   作者：yblackd  
這篇文章主要介紹了Python 多進程原理及實現(xiàn)，幫助大家更好的理解和使用python，感興趣的朋友可以了解下

1 進程的基本概念

什么是進程？

​ 進程就是一個程序在一個數(shù)據集上的一次動態(tài)執(zhí)行過程。進程一般由程序、數(shù)據集、進程控制塊三部分組成。我們編寫的程序用來描述進程要完成哪些功能以及如何完成；數(shù)據集則是程序在執(zhí)行過程中所需要使用的資源；進程控制塊用來記錄進程的外部特征，描述進程的執(zhí)行變化過程，系統(tǒng)可以利用它來控制和管理進程，它是系統(tǒng)感知進程存在的唯一標志。

進程的生命周期：創(chuàng)建（New）、就緒（Runnable）、運行（Running）、阻塞（Block）、銷毀（Destroy）

進程的狀態(tài)（分類）：（Actived）活動進程、可見進程（Visiable）、后臺進程（Background）、服務進程（Service）、空進程

2 父進程和子進程​

Linux 操作系統(tǒng)提供了一個 fork() 函數(shù)用來創(chuàng)建子進程，這個函數(shù)很特殊，調用一次，返回兩次，因為操作系統(tǒng)是將當前的進程（父進程）復制了一份（子進程），然后分別在父進程和子進程內返回。子進程永遠返回0，而父進程返回子進程的 PID。我們可以通過判斷返回值是不是 0 來判斷當前是在父進程還是子進程中執(zhí)行。

​ 在 Python 中同樣提供了 fork() 函數(shù)，此函數(shù)位于 os 模塊下。

# -*- coding: utf-8 -*- 
import os
import time

print("在創(chuàng)建子進程前: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

pid = os.fork()
if pid == 0:
  print("子進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  time.sleep(5)
else:
  print("父進程信息: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  # pid表示回收的子進程的pid
  #pid, result = os.wait() # 回收子進程資源　　阻塞
  time.sleep(5)
  #print("父進程：回收的子進程pid=%d" % pid)
  #print("父進程：子進程退出時 result=%d" % result)

# 下面的內容會被打印兩次，一次是在父進程中，一次是在子進程中。
# 父進程中拿到的返回值是創(chuàng)建的子進程的pid，大于0
print("fork創(chuàng)建完后: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

2.1 父子進程如何區(qū)分?

子進程是父進程通過fork()產生出來的，pid = os.fork()

​ 通過返回值pid是否為0，判斷是否為子進程，如果是0，則表示是子進程

​ 由于 fork() 是 Linux 上的概念，所以如果要跨平臺，最好還是使用 subprocess 模塊來創(chuàng)建子進程。

2.2 子進程如何回收？

python中采用os.wait()方法用來回收子進程占用的資源

pid, result = os.wait() # 回收子進程資源　　阻塞，等待子進程執(zhí)行完成回收

如果有子進程沒有被回收的，但是父進程已經死掉了，這個子進程就是僵尸進程。

3 Python進程模塊

python的進程multiprocessing模塊有多種創(chuàng)建進程的方式，每種創(chuàng)建方式和進程資源的回收都不太相同，下面分別針對Process,Pool及系統(tǒng)自帶的fork三種進程分析。

3.1 fork()

import os
pid = os.fork() # 創(chuàng)建一個子進程
os.wait() # 等待子進程結束釋放資源
pid為0的代表子進程。

缺點： 
​ 1.兼容性差，只能在類linux系統(tǒng)下使用，windows系統(tǒng)不可使用； 
​ 2.擴展性差，當需要多條進程的時候，進程管理變得很復雜； 
​ 3.會產生“孤兒”進程和“僵尸”進程，需要手動回收資源。 
優(yōu)點： 
​ 是系統(tǒng)自帶的接近低層的創(chuàng)建方式，運行效率高。

3.2 Process進程

multiprocessing模塊提供Process類實現(xiàn)新建進程

# -*- coding: utf-8 -*-
import os
from multiprocessing import Process
import time

def fun(name):
  print("2 子進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  print("hello " + name)


def test():
  print('ssss')


if __name__ == "__main__":
  print("1 主進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  ps = Process(target=fun, args=('jingsanpang', ))
  print("111 ##### ps pid: " + str(ps.pid) + ", ident:" + str(ps.ident))
  print("3 進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  print(ps.is_alive()) # 啟動之前 is_alive為False(系統(tǒng)未創(chuàng)建)
  ps.start()
  print(ps.is_alive()) # 啟動之后，is_alive為True(系統(tǒng)已創(chuàng)建)

  print("222 #### ps pid: " + str(ps.pid) + ", ident:" + str(ps.ident))
  print("4 進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  ps.join() # 等待子進程完成任務  類似于os.wait()
  print(ps.is_alive())
  print("5 進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))
  ps.terminate() #終斷進程
  print("6 進程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

特點： 

​1.注意：Process對象可以創(chuàng)建進程，但Process對象不是進程，其刪除與否與系統(tǒng)資源是否被回收沒有直接的關系。 
2.主進程執(zhí)行完后會默認等待子進程結束后回收資源，不需要手動回收資源；join()函數(shù)用來控制子進程結束的順序,其內部也有一個清除僵尸進程的函數(shù)，可以回收資源； 
3.Process進程創(chuàng)建時，子進程會將主進程的Process對象完全復制一份，這樣在主進程和子進程各有一個 Process對象，但是p.start()啟動的是子進程，主進程中的Process對象作為一個靜態(tài)對象存在，不執(zhí)行。

4.當子進程執(zhí)行完畢后，會產生一個僵尸進程，其會被join函數(shù)回收，或者再有一條進程開啟，start函數(shù)也會回收僵尸進程，所以不一定需要寫join函數(shù)。 
5.windows系統(tǒng)在子進程結束后會立即自動清除子進程的Process對象，而linux系統(tǒng)子進程的Process對象如果沒有join函數(shù)和start函數(shù)的話會在主進程結束后統(tǒng)一清除。

另外還可以通過繼承Process對象來重寫run方法創(chuàng)建進程

3.3 進程池POOL (多個進程)

import multiprocessing
import time

def work(msg):
  mult_proces_name = multiprocessing.current_process().name
  print('process: ' + mult_proces_name + '-' + msg)


if __name__ == "__main__":
  pool = multiprocessing.Pool(processes=5) # 創(chuàng)建5個進程
  for i in range(20):
    msg = "process %d" %(i)
    pool.apply_async(work, (msg, ))
  pool.close() # 關閉進程池，表示不能在往進程池中添加進程
  pool.join() # 等待進程池中的所有進程執(zhí)行完畢，必須在close()之后調用
  print("Sub-process all done.")

上述代碼中的pool.apply_async()是apply()函數(shù)的變體，apply_async()是apply()的并行版本，apply()是apply_async()的阻塞版本，使用apply()主進程會被阻塞直到函數(shù)執(zhí)行結束，所以說是阻塞版本。apply()既是Pool的方法，也是Python內置的函數(shù)，兩者等價?？梢钥吹捷敵鼋Y果并不是按照代碼for循環(huán)中的順序輸出的。

多個子進程并返回值

apply_async()本身就可以返回被進程調用的函數(shù)的返回值。上一個創(chuàng)建多個子進程的代碼中，如果在函數(shù)func中返回一個值，那么pool.apply_async(func, (msg, ))的結果就是返回pool中所有進程的值的對象（注意是對象，不是值本身）。

import multiprocessing
import time

def func(msg):
  return multiprocessing.current_process().name + '-' + msg

if __name__ == "__main__":
  pool = multiprocessing.Pool(processes=4) # 創(chuàng)建4個進程
  results = []
  for i in range(20):
    msg = "process %d" %(i)
    results.append(pool.apply_async(func, (msg, )))
  pool.close() # 關閉進程池，表示不能再往進程池中添加進程，需要在join之前調用
  pool.join() # 等待進程池中的所有進程執(zhí)行完畢
  print ("Sub-process(es) done.")

  for res in results:
    print (res.get())

與之前的輸出不同，這次的輸出是有序的。

​如果電腦是八核，建立8個進程，在Ubuntu下輸入top命令再按下大鍵盤的1，可以看到每個CPU的使用率是比較平均的

4 進程間通信方式

管道pipe：管道是一種半雙工的通信方式，數(shù)據只能單向流動，而且只能在具有親緣關系的進程間使用。進程的親緣關系通常是指父子進程關系。
命名管道FIFO：有名管道也是半雙工的通信方式，但是它允許無親緣關系進程間的通信。
消息隊列MessageQueue：消息隊列是由消息的鏈表，存放在內核中并由消息隊列標識符標識。消息隊列克服了信號傳遞信息少、管道只能承載無格式字節(jié)流以及緩沖區(qū)大小受限等缺點。
共享存儲SharedMemory：共享內存就是映射一段能被其他進程所訪問的內存，這段共享內存由一個進程創(chuàng)建，但多個進程都可以訪問。共享內存是最快的 IPC 方式，它是針對其他進程間通信方式運行效率低而專門設計的。它往往與其他通信機制，如信號兩，配合使用，來實現(xiàn)進程間的同步和通信。
以上幾種進程間通信方式中，消息隊列是使用的比較頻繁的方式。

（1）管道pipe

import multiprocessing

def foo(conn):
  conn.send('hello father')  #向管道pipe發(fā)消息
  print(conn.recv())

if __name__ == '__main__':
  conn1,conn2=multiprocessing.Pipe(True)  #開辟兩個口，都是能進能出，括號中如果False即單向通信
  p=multiprocessing.Process(target=foo,args=(conn1,)) #子進程使用sock口，調用foo函數(shù)
  p.start()
  print(conn2.recv()) #主進程使用conn口接收，從管道（Pipe）中讀取消息
  conn2.send('hi son') #主進程使用conn口發(fā)送

（2）消息隊列Queue

Queue是多進程的安全隊列，可以使用Queue實現(xiàn)多進程之間的數(shù)據傳遞。

Queue的一些常用方法：

  • Queue.qsize()：返回當前隊列包含的消息數(shù)量；
  • Queue.empty()：如果隊列為空，返回True，反之False ；
  • Queue.full()：如果隊列滿了，返回True,反之False；
  • Queue.get():獲取隊列中的一條消息，然后將其從列隊中移除，可傳參超時時長。
  • Queue.get_nowait()：相當Queue.get(False),取不到值時觸發(fā)異常：Empty；
  • Queue.put():將一個值添加進數(shù)列，可傳參超時時長。
  • Queue.put_nowait():相當于Queue.get(False),當隊列滿了時報錯：Full。

案例：

from multiprocessing import Process, Queue
import time


def write(q):
  for i in ['A', 'B', 'C', 'D', 'E']:
   print('Put %s to queue' % i)
   q.put(i)
   time.sleep(0.5)


def read(q):
  while True:
   v = q.get(True)
   print('get %s from queue' % v)


if __name__ == '__main__':
  q = Queue()
  pw = Process(target=write, args=(q,))
  pr = Process(target=read, args=(q,))
  print('write process = ', pw)
  print('read process = ', pr)
  pw.start()
  pr.start()
  pw.join()
  pr.join()
  pr.terminate()
  pw.terminate()

Queue和pipe只是實現(xiàn)了數(shù)據交互，并沒實現(xiàn)數(shù)據共享，即一個進程去更改另一個進程的數(shù)據。

注：進程間通信應該盡量避免使用共享數(shù)據的方式

5 多進程實現(xiàn)生產者消費者

以下通過多進程實現(xiàn)生產者，消費者模式

import multiprocessing
from multiprocessing import Process
from time import sleep
import time


class MultiProcessProducer(multiprocessing.Process):
  def __init__(self, num, queue):
   """Constructor"""
   multiprocessing.Process.__init__(self)
   self.num = num
   self.queue = queue

  def run(self):
   t1 = time.time()
   print('producer start ' + str(self.num))
   for i in range(1000):
     self.queue.put((i, self.num))
   # print 'producer put', i, self.num
   t2 = time.time()

   print('producer exit ' + str(self.num))
   use_time = str(t2 - t1)
   print('producer ' + str(self.num) + ', 
   use_time: '+ use_time)



class MultiProcessConsumer(multiprocessing.Process):
  def __init__(self, num, queue):
   """Constructor"""
   multiprocessing.Process.__init__(self)
   self.num = num
   self.queue = queue

  def run(self):
   t1 = time.time()
   print('consumer start ' + str(self.num))
   while True:
     d = self.queue.get()
     if d != None:
      # print 'consumer get', d, self.num
      continue
     else:
      break
   t2 = time.time()
   print('consumer exit ' + str(self.num))
   print('consumer ' + str(self.num) + ', use time:' + str(t2 - t1))


def main():
  # create queue
  queue = multiprocessing.Queue()

  # create processes
  producer = []
  for i in range(5):
   producer.append(MultiProcessProducer(i, queue))

  consumer = []
  for i in range(5):
   consumer.append(MultiProcessConsumer(i, queue))

  # start processes
  for i in range(len(producer)):
   producer[i].start()

  for i in range(len(consumer)):
   consumer[i].start()

  # wait for processs to exit
  for i in range(len(producer)):
   producer[i].join()

  for i in range(len(consumer)):
   queue.put(None)

  for i in range(len(consumer)):
   consumer[i].join()

  print('all done finish')


if __name__ == "__main__":
  main()

6 總結

​ python中的多進程創(chuàng)建有以下兩種方式：

（1）fork子進程

（2）采用 multiprocessing 這個庫創(chuàng)建子進程

​ 需要注意的是隊列中queue.Queue是線程安全的，但并不是進程安全，所以多進程一般使用線程、進程安全的multiprocessing.Queue()

​ 另外, 進程池使用 multiprocessing.Pool實現(xiàn)，pool = multiprocessing.Pool(processes = 3)，產生一個進程池，pool.apply_async實現(xiàn)非租塞模式，pool.apply實現(xiàn)阻塞模式。

apply_async和 apply函數(shù)，前者是非阻塞的，后者是阻塞?？梢钥闯鲞\行時間相差的倍數(shù)正是進程池數(shù)量。

​ 同時可以通過result.append(pool.apply_async(func, (msg, )))獲取非租塞式調用結果信息的。

以上就是Python 多進程原理及實現(xiàn)的詳細內容，更多關于python 多進程的資料請關注腳本之家其它相關文章！

相關文章

最新評論