python进阶（8）多进程

进程

前置知识点

• 进程：一个程序运行起来后，代码+用到的资源 称之为进程，它是操作系统分配资源的基本单元。
• 并发：指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）
• 并行：指的是任务数小于等于cpu核数，即任务真的是一起执行的
   

进程的创建

multiprocessing模块就是跨平台版本的多进程模块，提供了一个Process类来代表一个进程对象，这个对象可以理解为是一个独立的进程，可以执行另外的事情

from multiprocessing import Process
import os


# 子进程要执行的代码
def run_proc(name):
    print('启动子线程{}{}'.format(name, os.getpid()))


if __name__ == '__main__':
    print('父进程{}'.format(os.getpid()))
    p = Process(target=run_proc, args=('test',))
    print('子进程将要启动')
    p.start()
    p.join()
    print('子线程结束')

进程pid

from multiprocessing import Process
import os
import time


def run_proc():
    """子进程要执行的代码"""
    print('子进程运行中，pid=%d...' % os.getpid())  # os.getpid获取当前进程的进程号
    print('子进程将要结束...')


if __name__ == '__main__':
    print('父进程pid: %d' % os.getpid())  # os.getpid获取当前进程的进程号
    p = Process(target=run_proc)
    p.start()

>>> 父进程pid: 3580
>>> 子进程运行中，pid=3581...
>>> 子进程将要结束...

Process语法结构

Process([group [, target [, name [, args [, kwargs]]]]])

• target：如果传递了函数的引用，可以任务这个子进程就执行这里的代码（常用）
• args：给target指定的函数传递的参数，以元组的方式传递（常用）
• kwargs：给target指定的函数传递命名参数
• name：给进程设定一个名字，可以不设定
• group：指定进程组，大多数情况下用不到

Process创建的实例对象的常用方法：

• start()：启动子进程实例（创建子进程）
• is_alive()：判断进程子进程是否还在活着
• join([timeout])：是否等待子进程执行结束，或等待多少秒
• terminate()：不管任务是否完成，立即终止子进程

Process创建的实例对象的常用属性：

• name：当前进程的别名，默认为Process-N，N为从1开始递增的整数
• pid：当前进程的pid（进程号）
   

给子进程指定的函数传递参数

from multiprocessing import Process
import os
from time import sleep


def run_proc(name, age, **kwargs):
    for i in range(10):
        print('子进程运行中，name= %s,age=%d ,pid=%d...' % (name, age, os.getpid()))
        print(kwargs)
        sleep(0.2)

if __name__=='__main__':
    p = Process(target=run_proc, args=('test',18), kwargs={"m":20})
    p.start()
    sleep(1)  # 1秒中之后，立即结束子进程
    p.terminate()
    p.join()

>>> 子进程运行中，name= test,age=18 ,pid=3593...
>>> {'m': 20}
>>> 子进程运行中，name= test,age=18 ,pid=3593...
>>> {'m': 20}
>>> 子进程运行中，name= test,age=18 ,pid=3593...
>>> {'m': 20}
>>> 子进程运行中，name= test,age=18 ,pid=3593...
>>> {'m': 20}
>>> 子进程运行中，name= test,age=18 ,pid=3593...
>>> {'m': 20}

进程和线程的区别

• 进程是资源调度的基本单位，而线程是程序执行的基本单位
• 不同进程的地址空间是独立的，而同一进程中的线程之间共享
• 进程之间通信必须使用操作系统提供的进程间通信机制，同一进程中的各线程可以直接通信
• 多进程之间可以并发执行，多线程之间也可以并发执行
• 线程切换的开销要比进程切换的开销小
   

进程间通信

如果两个进程之间需要通信，则需要用到Queue类，相当于队列
 

初始化Queue()对象

q = Queue()

括号中可以指定最大可接受的消息数量，若不指定，则默认代表消息数量没有上限
 

Queue()类的方法

Queue有多个方法，下面介绍几个常用的方法
 

Queue.qsize()

返回当前队列包含的消息数量；
 

Queue.empty()

判断队列是否为空，如果队列为空，返回True，反之False
 

Queue.full()

判断队列是否满了，如果队列满了，返回True，反之False
 

Queue.get([block[, timeout]])

获取队列中的一条消息，然后将其从列队中移除，block默认值为True；
block=True的情况
如果block=True，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止
如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出Queue.Empty异常；
block=False的情况
如果block=False，消息列队如果为空，则会立刻抛出Queue.Empty异常；
 

Queue.get_nowait()

相当Queue.get(False)
 

Queue.put(item,[block[, timeout]])

将item消息写入队列，block默认值为True
block=True的情况
如果block=True，且没有设置timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止
如果设置了timeout，则会等待timeout秒，若还没空间，则抛出Queue.Full异常；
block=False的情况
如果block=False，消息列队如果没有空间可写入，则会立刻抛出Queue.Full异常；
 

Queue.put_nowait(item)

相当Queue.put(item, False)
 

我们以Queue为例，在父进程中创建两个子进程，一个往Queue里写数据，一个从Queue里读数据：

from multiprocessing import Process, Queue
import os, time, random


# 写数据进程执行的代码:
def write(q):
    print('Process to write: %s' % os.getpid())
    for value in ['A', 'B', 'C']:
        print('Put %s to queue...' % value)
        q.put(value)
        time.sleep(random.random())


# 读数据进程执行的代码:
def read(q):
    print('Process to read: %s' % os.getpid())
    while True:
        value = q.get(True)
        print('Get %s from queue.' % value)


if __name__ == '__main__':
    # 父进程创建Queue，并传给各个子进程：
    q = Queue()
    pw = Process(target=write, args=(q,))
    pr = Process(target=read, args=(q,))
    # 启动子进程pw，写入:
    pw.start()
    # 启动子进程pr，读取:
    pr.start()
    # 等待pw结束:
    pw.join()
    # pr进程里是死循环，无法等待其结束，只能强行终止:
    pr.terminate()

进程池

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。

初始化Pool时，可以指定一个最大进程数，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指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务，请看下面的实例：

"""
如果要启动大量的子进程，可以用进程池的方式批量创建子进程：
"""
from multiprocessing import Pool
import os, time, random


def long_time_task(name):
    print('运行任务 %s (%s)...' % (name, os.getpid()))
    start = time.time()
    time.sleep(random.random() * 3)
    end = time.time()
    print('任务 %s 运行 %0.2f 秒' % (name, (end - start)))


if __name__ == '__main__':
    print('父进程 %s.' % os.getpid())
    p = Pool(4)  # 创建进程池中最多存4个子进程
    for i in range(5):
          # Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
          # 每次循环将会用空闲出来的子进程去调用目标
        p.apply_async(long_time_task, args=(i,))
    print('等待所有子进程完成...')
    p.close()  # 关闭进程池，关闭后po不再接收新的请求
    p.join()  # 等待po中所有子进程执行完成，必须放在close语句之后
    print('所有子进程完成.')

# 运行结果
>>> 等待所有子进程完成...
>>> 运行任务 0 (3722)...
>>> 运行任务 1 (3723)...
>>> 运行任务 2 (3724)...
>>> 运行任务 3 (3725)...
>>> 任务 3 运行 0.67 秒
>>> 运行任务 4 (3725)...
>>> 任务 2 运行 1.29 秒
>>> 任务 0 运行 2.00 秒
>>> 任务 1 运行 2.77 秒
>>> 任务 4 运行 2.31 秒
>>> 所有子进程完成.

multiprocessing.Pool常用函数解析：

• apply_async(func[, args[, kwds]]) ：使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表；
• close()：关闭Pool，使其不再接受新的任务；
• terminate()：不管任务是否完成，立即终止；
• join()：主进程阻塞，等待子进程的退出， 必须在close或terminate之后使用；
   

代码解读：

对Pool对象调用join()方法会等待所有子进程执行完毕，调用join()之前必须先调用close()，调用close()之后就不能继续添加新的Process了。
请注意输出的结果，task 0，1，2，3是立刻执行的，而task 4要等待前面某个task完成后才执行，这是因为Pool的默认大小在我的电脑上是4，因此，最多同时执行4个进程。这是Pool有意设计的限制，并不是操作系统的限制。如果改成：

p = Pool(5)

就可以同时跑5个进程。
由于Pool的默认大小是CPU的核数，如果你不幸拥有8核CPU，你要提交至少9个子进程才能看到上面的等待效果。
 

进程池中的Queue

如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()，否则会得到一条如下的错误信息：

RuntimeError: Queue objects should only be shared between processes through inheritance.

# 修改import中的Queue为Manager
from multiprocessing import Manager,Pool
import os,time,random

def reader(q):
    print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in range(q.qsize()):
        print("reader从Queue获取到消息：%s" % q.get(True))

def writer(q):
    print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in "itcast":
        q.put(i)

if __name__=="__main__":
    print("(%s) start" % os.getpid())
    q = Manager().Queue()  # 使用Manager中的Queue
    po = Pool()
    po.apply_async(writer, (q,))

    time.sleep(1)  # 先让上面的任务向Queue存入数据，然后再让下面的任务开始从中取数据

    po.apply_async(reader, (q,))
    po.close()
    po.join()
    print("(%s) End" % os.getpid())

>>> (4157) start
>>> writer启动(4159),父进程为(4157)
>>> reader启动(4160),父进程为(4157)
>>> reader从Queue获取到消息：i  
>>> reader从Queue获取到消息：t
>>> reader从Queue获取到消息：c
>>> reader从Queue获取到消息：a
>>> reader从Queue获取到消息：s
>>> reader从Queue获取到消息：t
>>> (4157) End