Python并发编程 —— 在Python程序中的进程操作

运行中的程序就是一个进程。所有的进程都是通过它的父进程来创建的。因此，运行起来的python程序也是一个进程，那么我们也可以在程序中再创建进程。多个进程可以实现并发效果，也就是说，当我们的程序中存在多个进程的时候，在某些时候，就会让程序的执行速度变快。我们可以借助python中强大的模块。来实现创建进程这个功能。

1、multiprocessing模块

把所有和进程相关的机制都封装在multiprocessing模块中了（内置模块）。

仔细说来，multiprocess不是一个模块而是python中一个操作、管理进程的包。 之所以叫multi是取自multiple的多功能的意思,在这个包中几乎包含了和进程有关的所有子模块。大致可以分为四个部分：创建进程部分，进程同步部分，进程池部分，进程之间数据共享。

2、Process模块

(1)、Process模块介绍

process模块是一个创建进程的模块，借助这个模块，就可以完成进程的创建。

参数介绍：

Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）

# 强调：
1. 需要使用关键字的方式来指定参数
2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号

参数介绍：
1.group 参数未使用，值始终为None
2.target 表示调用对象，即子进程要执行的任务
3.args 表示调用对象的位置参数元组，args=(1,2,'a',)
4.kwargs 表示调用对象的字典,kwargs={'name':'cai','age':20}
5.name 为子进程的名称

方法介绍：

1、p.start()：启动进程，并调用该子进程中的p.run() 
2、p.run(): 进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法  
3、p.terminate(): 强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁
4、p.is_alive(): 如果p仍然运行，返回True
5、p.join([timeout]): 主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程

属性介绍：

1、p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置
2、p.name: 进程的名称
3、p.pid： 进程的pid
4、p.exitcode: 进程在运行时为None、如果为–N，表示被信号N结束(了解即可)
5、p.authkey: 进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）

在Windows中使用process模块的注意事项：

在Windows操作系统中由于没有fork（Linux操作系统中创建进程的机制），在创建进程的时候会自动 import 启动它的这个文件，而在 import 的时候又执行了整个文件，因此如果将process()直接写在文件中就会无限递归创建子进程报错，所以必须把创建子进程的部分使用 if  __name__  == '__main__'判断保护起来，就不会递归运行了。

(2)、使用process模块创建进程

# 创建进程，并查看主进程和子进程的进程号
import os
import time
from multiprocessing import Process

def func():
    '''
    在子进程中执行的func
    :return:
    '''
    print('子进程 :',os.getpid(),os.getppid())
    time.sleep(3)
    
if __name__ == '__main__':
    p = Process(target=func)
    p.start()       # start相当于告诉操作系统要开启一个子进程,而子进程的调度是由操作系统控制的
    print('主进程 :',os.getpid())    
 
# 执行结果：先打印主进程id  再打印子进程id  （异步）
# 主进程是在子进程执行完毕之后才结束的，主进程回收子进程的资源

(3)、join 方法： 阻塞，直到对应的子进程对象执行结束

import time
from multiprocessing import Process

def son_process():
    time.sleep(4)
    print('通知xxx用户,机器挂掉了')

if __name__ == '__main__':
    p = Process(target=son_process)
    p.start()
    p.join()                # 阻塞,直到p对应的子进程对象执行结束
    print('所有任务结束')

import time
from multiprocessing import Process

def son_process(n):
    print('start', n)
    time.sleep(2)
    print('end',n)

if __name__ == '__main__':
    p_l = []
    for i in range(10):
        p = Process(target=son_process,args=(i,))
        p.start()   # start相当于告诉操作系统要开启一个子进程,而子进程的调度是由操作系统控制的
        p_l.append(p)
    for p in p_l:p.join()  # join 如果执行这句话的时候子进程已经结束了,那么join就不阻塞了
    print('所有任务结束')

(4)、多个子进程

import os
import time
from multiprocessing import Process

def son_process():
    print('strat son',os.getpid())
    time.sleep(1)
    print('end son')

if __name__ == '__main__':
    print(os.getpid())
    for i in range(5):
        Process(target=son_process).start()
    
# 多个子进程同时运行时，子进程的执行顺序不是根据启动顺序决定的

(5)、守护进程

守护进程会随着父进程的代码结束而结束

主进程创建守护进程

　　一：守护进程会在主进程代码执行结束后就终止

　　二：守护进程内无法再开启子进程,否则抛出异常：AssertionError: daemonic processes are not allowed to have children

注意：进程之间是互相独立的，主进程代码运行结束，守护进程随即终止

import time
from multiprocessing import Process

def son():
    while True:
        time.sleep(1)
        print('in son')


if __name__ == '__main__':
    p = Process(target=son)
    p.daemon = True              # 将当前的子进程设置为守护进程
    # 一定要在p.start()前设置,设置p为守护进程,禁止p创建子进程,并且父进程代码执行结束,p即终止运行
    p.start()
    time.sleep(5)

正常情况下，父进程永远会等着子进程结束，子进程结束之后，父进程才会结束
如果设置了守护进程，父进程的代码结束之后，守护进程也跟着结束

# 注：
代码结束和进程结束是两回事

# 没设置守护进程时：
子进程的代码和主进程的代码自己执行自己的，相互之间没关系
如果主进程的代码先结束，主进程不结束，等子进程代码结束，回收子进程的资源，主进程才结束
如果子进程的代码先结束，主进程边回收子进程的资源边执行自己的代码，当代码和资源都回收结束，主进程才结束

# 设置了守护进程
子进程的代码和主进程的代码自己执行自己的，互相之间没关系
一旦主进程的代码先结束，主进程会先结束掉子进程，然后回收资源，然后主进程才结束

守护进程不会守护除了主进程代码之外的其他子进程

import time
from multiprocessing import Process

def son():
    while True:
        time.sleep(1)
        print('in son')

def son2():
    print('start son2')
    time.sleep(10)
    print('end son2')

if __name__ == '__main__':
    p = Process(target=son)
    p.daemon = True
    p.start()
    Process(target=son2).start()
    time.sleep(5)

如果偏要求守护进程在子进程结束之后才结束

import time
from multiprocessing import Process

def son():
    while True:
        time.sleep(1)
        print('in son')

def son2():
    print('start son2')
    time.sleep(10)
    print('end son2')

if __name__ == '__main__':
    p = Process(target=son)
    p.daemon = True
    p.start()
    p = Process(target=son2)
    p.start()
    time.sleep(5)
    p.join()          # 所有的子进程都执行完，才不会阻塞

(6)、Process对象中的其他方法

import time
from multiprocessing import Process

def son():
    while True:
        time.sleep(1)
        print('in son')

if __name__ == '__main__':
    p = Process(target=son)
    p.start()
    time.sleep(5)
    print(p.is_alive())
    p.terminate()           # 异步非阻塞操作    # 强制终止进程p
    # 关闭进程,不会立即关闭,所以is_alive 立刻 查看的结果可能还是存活
    time.sleep(0.1)
    print(p.is_alive())     # 判断子进程是否存活
    print('主进程的代码并不结束')

(7)、面向对象的方式开启子进程：（继承Process类的形式开启进程的方式）

import os
from multiprocessing import Process

class MyProcess(Process):
    def run(self):
        print(os.getpid())

if __name__ == '__main__':
    print('主 :',os.getpid())
    MyProcess().start()         # start会自动调用run

(8)、传参数

import os
from multiprocessing import Process

class MyProcess(Process):
    def __init__(self,name):    # 执行父类的init
        super().__init__()
        self.name=name
    def run(self):
        print(os.getpid())
        print('%s 在工作' %self.name)

if __name__ == '__main__':
    print('主 :',os.getpid())
    MyProcess('yong').start()   
    MyProcess('liang').start()   

(9)、判断进程之间的数据是否隔离

from multiprocessing import Process

n = 0
def son():
    global n
    n += 1

if __name__ == '__main__':
    p_l = []
    for i in range(20):
        p = Process(target=son)
        p.start()
        p_l.append(p)
    for p in p_l:p.join()
    print(n)

3、数据安全(锁)：用来保证数据安全

如果多个进程同时对一个文件进行操作会出现什么问题？

实现了程序的异步，让多个任务可以同时在几个进程中并发处理，但它们之间的运行没有顺序，一旦开启也不受我们控制。尽管并发编程让我们能更加充分的利用IO资源，但是也给我们带来了新的问题：当多个进程使用同一份数据资源的时候，就会引发数据安全或顺序混乱问题。

# 多进程抢占输出资源
import os
import time
import random
from multiprocessing import Process

def work(n):
    print('%s: %s is running' %(n,os.getpid()))
    time.sleep(random.random())
    print('%s:%s is done' %(n,os.getpid()))

if __name__ == '__main__':
    for i in range(3):
        p=Process(target=work,args=(i,))
        p.start()

# 使用锁维护执行顺序
# 由并发变成了串行,牺牲了运行效率,但避免了竞争
import os
import time
import random
from multiprocessing import Process, Lock

def work(lock,n):
    lock.acquire()       # 给这段代码上锁
    print('%s: %s is running' % (n, os.getpid()))
    time.sleep(random.random())
    print('%s: %s is done' % (n, os.getpid()))
    lock.release()       # 给这段代码解锁
if __name__ == '__main__':
    lock=Lock()
    for i in range(3):
        p=Process(target=work,args=(lock,i))
        p.start()

# 上面这种情况虽然使用加锁的形式实现了顺序的执行，但是程序又重新变成串行了，这样确实会浪费了时间，却保证了数据的安全。
# 在使用进程锁时同时要注意死锁问题(多次引用互斥锁Lock)，可以使用递归锁(RLock)

from multiprocessing import Process,Lock

def change(lock):
    print('一部分并发的代码,多个进程之间互相不干扰的执行着')
    lock.acquire()                       # 给这段代码上锁
    with open('file','r') as f:
        content = f.read()
    num = int(content)
    num += 1
    for i in range(1000000):i+=1
    with open('file','w') as f:
        f.write(str(num))
    lock.release()                       # 给这段代码解锁
    print('另一部分并发的代码,多个进程之间互相不干扰的执行着')

if __name__ == '__main__':
    lock = Lock()
    for i in range(10):
        Process(target=change,args=(lock,)).start()

当多个进程同时操作文件 / 共享一些数据的时候就会出现数据不安全（读数据： 可以同时读， 写数据： 不能同时写）

当开启多个进程，同时执行10000000行代码，其中有20行代码涉及到了操作同一个文件，只给这20行代码枷锁，来保证数据的安全。

# 加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲了速度却保证了数据安全。

# 虽然可以用文件共享数据实现进程间通信，但问题是：
	1.效率低（共享数据基于文件，而文件是硬盘上的数据）
	2.需要自己加锁处理

# 因此我们最好找寻一种解决方案能够兼顾：1、效率高（多个进程共享一块内存的数据）2、帮我们处理好锁问题。这就是mutiprocessing模块为我们提供的基于消息的IPC通信机制：队列和管道。
队列和管道都是将数据存放于内存中
队列又是基于（管道+锁）实现的，可以让我们从复杂的锁问题中解脱出来，
我们应该尽量避免使用共享数据，尽可能使用消息传递和队列，避免处理复杂的同步和锁问题，而且在进程数目增多时，往往可以获得更好的可获展性。 

4、进程之间的数据共享(进程之间通信)

(1)、进程之间通信 —— IPC (Inter Process Communication)

内置的模块实现的机制： 队列 管道

第三方工具 ： redis rabbitMQ memcache

(2)、队列

创建共享的进程队列，Queue是多进程安全的队列，可以使用Queue实现多进程之间的数据传递。

Queue([maxsize]) 
创建共享的进程队列。
参数 ：maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。
底层队列使用管道和锁定实现。

# 队列Queue  = 管道Pipe  +  锁
# Pipe 基于文件实现的(socket + pickle)   =  数据不安全
# Queue 基于文件(socket + pickle) +  锁(lock) 实现的  = 数据安全

# 在进程之间维护数据的安全 --- 进程安全
# 队列是进程安全的（进程队列保证了进程的数据安全）
# 队列都是先进先出的

队列中的方法介绍

Queue([maxsize]) 
创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。另外，还需要运行支持线程以便队列中的数据传输到底层管道中。 

Queue的实例q具有以下方法：
q.get( [ block [ ,timeout ] ] ) 
返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。

q.get_nowait( ) 
同q.get(False)方法。

q.put(item [, block [,timeout ] ] ) 
将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。

q.qsize() 
返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。

q.empty() 
如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。

q.full() 
如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。。

q.close() 
关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get()操作上，关闭生产者中的队列不会导致get()方法返回错误。

q.cancel_join_thread() 
不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。

q.join_thread() 
连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。

代码示例

'''
multiprocessing模块支持进程间通信的两种主要形式:管道和队列，都是基于消息传递实现的
'''

from multiprocessing import Queue
q=Queue(3)

# put ,get ,put_nowait,get_nowait,full,empty
q.put(3)
q.put(3)
q.put(3)
# q.put(3)   # 如果队列已经满了，程序就会停在这里，等待数据被别人取走，再将数据放入队列。
           # 如果队列中的数据一直不被取走，程序就会永远停在这里。
    	  # put是一个同步阻塞方法,会阻塞直到队列不满
try:
    q.put_nowait(3)   # 可以使用put_nowait，如果队列满了不会阻塞，但是会因为队列满了而报错。
    				# put_nowait 同步非阻塞方法
except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去，但是会丢掉这个消息。
    print('队列已经满了')

# 因此，我们再放入数据之前，可以先看一下队列的状态，如果已经满了，就不继续put了。
print(q.full())   # 满了  # 查看当前队列是否已满

print(q.get())
print(q.get())
print(q.get())
# print(q.get())     # 同put方法一样，如果队列已经空了，那么继续取就会出现阻塞。
				   # get是一个同步阻塞方法,会阻塞直到数据来
try:
    q.get_nowait(3)  # 可以使用get_nowait，如果队列满了不会阻塞，但是会因为没取到值而报错。
except:  # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。
    print('队列已经空了')

print(q.empty())  # 空了  # 查看当前队列是否已空
ret = q.qsize()  # 查看当前队列有多少值

父进程发送数据给子进程

from multiprocessing import Queue,Process

def son(q):
    print(q.get())    # 调用主函数中p进程传递过来的进程参数

if __name__ == '__main__':
    q = Queue()       # 创建一个Queue对象 
    p = Process(target=son,args=(q,)) # 创建一个进程
    p.start()
    q.put(123)    # put函数为向队列中添加一条数据

# 上面是一个queue的简单应用，使用队列q对象调用get函数来取得队列中的数据。

批量生产数据放入队列再批量获取结果

import os
import time
import multiprocessing

# 向queue中输入数据的函数
def inputQ(queue):
    info = str(os.getpid()) + '(put):' + str(time.asctime())
    queue.put(info)

# 向queue中输出数据的函数
def outputQ(queue):
    info = queue.get()
    print ('%s%s33[32m%s33[0m'%(str(os.getpid()), '(get):',info))

# Main
if __name__ == '__main__':
    multiprocessing.freeze_support()
    record1 = []   # store input processes
    record2 = []   # store output processes
    queue = multiprocessing.Queue(3)

    # 输入进程
    for i in range(10):
        process = multiprocessing.Process(target=inputQ,args=(queue,))
        process.start()
        record1.append(process)

    # 输出进程
    for i in range(10):
        process = multiprocessing.Process(target=outputQ,args=(queue,))
        process.start()
        record2.append(process)

    for p in record1:
        p.join()

    for p in record2:
        p.join()

5、进程池和 multiprocess.Pool 模块

(1)、进程池

# 为什么要有进程池?
在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，我们就需要去创建成千上万个进程吗？首先，创建进程需要消耗时间，销毁进程也需要消耗时间。第二即便开启了成千上万的进程，操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。因此引入了进程池。

# 进程池的概念
定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。

(2)、multiprocess.Pool模块

Pool([numprocess  [,initializer [, initargs]]]):     创建进程池

1、numprocess: 要创建的进程数，如果省略，将默认使用cpu_count()的值
2、initializer：是每个工作进程启动时要执行的可调用对象，默认为None
3、initargs：是要传给initializer的参数组

方法介绍：

p.apply(func [, args [, kwargs]]): 在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
'''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()'''

p.apply_async(func [, args [, kwargs]]): 在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
'''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''
   
p.close(): 关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成

P.jion(): 等待所有工作进程退出。此方法只能在close()或teminate()之后调用

# 其他方法：方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发异常。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
obj.ready():如果调用完成，返回True
obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
obj.wait([timeout]):等待结果变为可用。
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数

代码示例：

# 进程池的同步调用
import os,time
from multiprocessing import Pool

def work(n):
    print('%s run' %os.getpid())
    time.sleep(3)
    return n**2

if __name__ == '__main__':
    p=Pool(3)                       # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
    res_l=[]
    for i in range(10):
        res=p.apply(work,args=(i,)) # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞
                                    # 但不管该任务是否存在阻塞，同步调用都会在原地等着
    print(res_l)

# 进程池的异步调用
import os
import time
import random
from multiprocessing import Pool

def work(n):
    print('%s run' %os.getpid())
    time.sleep(random.random())
    return n**2

if __name__ == '__main__':
    p=Pool(3)                            # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
    res_l=[]
    for i in range(10):
        res=p.apply_async(work,args=(i,)) # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
                                          # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
                                          # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
                                          # 而是执行完一个就释放一个进程，这个进程就去接收新的任务。  
        res_l.append(res)

    # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果
    # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
    p.close()
    p.join()
    for res in res_l:
        print(res.get()) # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get

6、使用 ProcessPoolExecutor 实现进程池

import time
from concurrent.futures import ProcessPoolExecutor

def task(n1, n2):
    time.sleep(2)
    print('任务')

if __name__ == '__main__':      
    # 创建进程池
    pool = ProcessPoolExecutor(10)
    for i in range(20):
        pool.submit(task, i, 1)
    print('END')