python多进程总结

　　一、概念

　　进程：进程，是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。

　　重点：1. 是一次运行活动，比如qq是程序，pycharm是程序，只有运行起来才是进程。

　　　　　2.是系统进行资源分配和调度的基本单位，每个进程运行时，系统都会为他分配各自的内存，数据。每个进程间的空间是各自独立的。

　　二、实例结构

import multiprocessing
import time

def worker_1(interval):
    print "worker_1"
    time.sleep(interval)
    print "end worker_1"

def worker_2(interval):
    print "worker_2"
    time.sleep(interval)
    print "end worker_2"

def worker_3(interval):
    print "worker_3"
    time.sleep(interval)
    print "end worker_3"

if __name__ == "__main__":
    p1 = multiprocessing.Process(target = worker_1, args = (2,))
    p2 = multiprocessing.Process(target = worker_2, args = (3,))
    p3 = multiprocessing.Process(target = worker_3, args = (4,))

    p1.start()
    p2.start()
    p3.start()

    print("The number of CPU is:" + str(multiprocessing.cpu_count()))
    for p in multiprocessing.active_children():
        print("child   p.name:" + p.name + "	p.id" + str(p.pid))
    print ("END!!!!!!!!!!!!!!!!!")

输出：

The number of CPU is:4
child   p.name:Process-1    p.id5791
child   p.name:Process-3    p.id5793
child   p.name:Process-2    p.id5792
END!!!!!!!!!!!!!!!!!
worker_1
worker_2
worker_3
end worker_1
end worker_2
end worker_3

　　三、进程池

　　python中，进程池内部会维护一个进程序列。当需要时，程序会去进程池中获取一个进程。如果进程池序列中没有可供使用的进程，那么程序就会等待，直到进程池中有可用进程为止。

　　因为每个进程需要有自己的内存，数据，和cpu消耗，我们不可能开大量的进程，进程池就为我们提供了这样的便捷，在进程池中固定好可用进程的数量，实现多进程操作。

　　实例：

from multiprocessing import Pool
import time

def func(arg):
    time.sleep(1)
    print('arg is ',arg)

if __name__ == '__main__':
    pl = Pool(2)　　# 同时可以开启2个进程
    for i in range(10):
        pl.apply_async(func=func,args=(i,))  # apply_async是异步执行，apply是同步执行

    pl.close()
    time.sleep(1)
    pl.terminate()  # 关闭进程池
    pl.join()　　　　# 阻塞进程池
    print('done')

　　执行结果：

arg is  1
arg is  0
done

　　它只输出了两个，在程序执行过程中，关闭进程池，程序会立即停止，不会再向后执行。

　　去掉terminate

from multiprocessing import Pool
import time

def func(arg):
    time.sleep(1)
    print('arg is ',arg)

if __name__ == '__main__':
    pl = Pool(2)
    for i in range(10):
        pl.apply_async(func=func,args=(i,))

    pl.close()　　# close执行之后不会有新的进程加入到pool
    time.sleep(1)
    # pl.terminate()
    pl.join()   # 在join之前调用close，否则会报错
    print('done')

arg is  0
arg is  1
arg is  2
arg is  3
arg is  4
arg is  5
arg is  6
arg is  7
arg is  8
arg is  9
done

　　四、守护进程：不阻挡主程序退出，主进程结束守护进程立即结束

def worker(interval):
    print("work start:{0}".format(time.ctime()))
    time.sleep(interval)
    print("work end:{0}".format(time.ctime()))

if __name__ == '__main__':
    p = multiprocessing.Process(target=worker,args=(3,))
    p.daemon = True   # 将p设置为守护进程
    p.start()
    print('end')

输出结果：end

　　这里将子进程设置为了守护进程，他就不会阻挡主程序的退出，即主程序运行完结束运行。

def worker(interval):
    print("work start:{0}".format(time.ctime()))
    time.sleep(interval)
    print("work end:{0}".format(time.ctime()))

if __name__ == '__main__':
    p = multiprocessing.Process(target=worker,args=(3,))
    p.daemon = True
    p.start()
    p.join()     # 设置阻塞，等待子进程结束
    print('end')

work start:Mon May 13 14:45:50 2019
work end:Mon May 13 14:45:53 2019
end

　　五、继承Process类的形式开启进程

import os
from multiprocessing import Process

class MyProcess(Process):
    def __init__(self,name):
        super().__init__()
        self.name = name

    def run(self) -> None:
        print(os.getpid())
        print(f'我是{self.name}')


p1 = MyProcess('mike')
p2 = MyProcess('jack')
p3 = MyProcess('allen')

lis = [p1,p2,p3]
p1.start()
p2.start()
p3.start()

for i in lis:
    i.join()

print('主线程')

6031
我是mike
6032
我是jack
6033
我是allen
主线程

　　六、互斥锁

　　多个任务可以在几个进程之间并发处理，但他们之间没有顺序，开启后无法控制，会引发数据安全和顺序混乱的问题。

　　一个小例子：

def task1():
    print('这是 task1 任务'.center(30, '-'))
    print('task1 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task1 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task1 走出了洗手间')


def task2():
    print('这是 task2 任务'.center(30, '-'))
    print('task2 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task2 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task2 走出了洗手间')


def task3():
    print('这是 task3 任务'.center(30, '-'))
    print('task3 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task3 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task3 走出了洗手间')


if __name__ == '__main__':
    p1 = Process(target=task1)
    p2 = Process(target=task2)
    p3 = Process(target=task3)

    p1.start()
    p2.start()
    p3.start()

　　输出结果：

---------这是 task1 任务----------
task1 进了洗手间
---------这是 task2 任务----------
task2 进了洗手间
---------这是 task3 任务----------
task3 进了洗手间
task3 办事呢...
task1 办事呢...
task2 办事呢...
task1 走出了洗手间
task3 走出了洗手间
task2 走出了洗手间

　　引入锁后：

from multiprocessing import Process, Lock
import time
import random

# 生成一个互斥锁
mutex_lock = Lock()


def task1(lock):
    # 锁门
    lock.acquire()
    print('这是 task1 任务'.center(30, '-'))
    print('task1 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task1 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task1 走出了洗手间')
    # 释放锁
    lock.release()


def task2(lock):
    # 锁门
    lock.acquire()
    print('这是 task2 任务'.center(30, '-'))
    print('task2 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task2 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task2 走出了洗手间')
    # 释放锁
    lock.release()


def task3(lock):
    # 锁门
    lock.acquire()
    print('这是 task3 任务'.center(30, '-'))
    print('task3 进了洗手间')
    time.sleep(random.randint(1, 3))
    print('task3 办事呢...')
    time.sleep(random.randint(1, 3))
    print('task3 走出了洗手间')
    # 释放锁
    lock.release()


if __name__ == '__main__':
    p1 = Process(target=task1, args=(mutex_lock, ))
    p2 = Process(target=task2, args=(mutex_lock, ))
    p3 = Process(target=task3, args=(mutex_lock, ))

    # 释放新建进程的信号，具体谁先启动无法确定
    p1.start()
    p2.start()
    p3.start()

---------这是 task1 任务----------
task1 进了洗手间
task1 办事呢...
task1 走出了洗手间
---------这是 task2 任务----------
task2 进了洗手间
task2 办事呢...
task2 走出了洗手间
---------这是 task3 任务----------
task3 进了洗手间
task3 办事呢...
task3 走出了洗手间

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，在牺牲速度的前提下保证数据安全。
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。
mutiprocessing模块中为我们提供了一个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扩展性。

　　七、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。

　　下面是一个队列使用的简单用法。

from multiprocessing import Queue
q=Queue(3)

#put ,get ,put_nowait,get_nowait,full,empty
q.put(3)
q.put(2)
q.put(1)
# 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。
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。
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

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。
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

　　进程间的数据共享：

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 (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()

　　进程间的数据共享主要运用在生产者消费者模型之间，新建一个队列，多个生产者可以往队列中放数据，消费者直接从队列中取出数据进行处理，队列存在于内存之中，直接读取。