python-多任务-进程

什么是进程？

程序是静态的，当程序运行起来就叫做进程。

进程是操作系统分配资源的基本单元。

进程、线程的区别与优缺点

1. 定义的不同：

进程是系统进行资源分配的最小单位.

线程是进程的一个实体,是CPU进行调度的基本单位。

线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源.

2. 区别：

一个程序至少有一个进程,一个进程至少有一个线程.线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。

进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率。

线程不能够独立执行，必须依存在进程中

3. 优缺点：

线程执行开销小，但不利于资源的管理和保护；而进程正相反。

进程的创建步骤

1. 导入进程模块
2. 创建一个进程的实例对象
3. 创建并启动进程

代码实现：

import threading
import time
import multiprocessing

def test1():
    while True:
        print("1--------")
        time.sleep(1)

def test2():
    while True:
        print("2--------")
        time.sleep(1)


def main():
 #    t1 = threading.Thread(target=test1)
 #    t2 = threading.Thread(target=test2)
 #    t1.start()
 #    t2.start()

    p1 = multiprocessing.Process(target=test1)
    p2 = multiprocessing.Process(target=test2)
    p1.start()
    p2.start()

if __name__ == "__main__":
    main()

通过Queue实现进程间通信

1. 创建一个队列
2. 向队列中添加数据
3. 从队列中取数据
4. 判断队列中是否为空
5. 判断队列中是否已满

代码实现如下：

import multiprocessing

"""
一个进程向Queue中写入数据，另外一个进程从Queue中获取数据，
通过Queue完成了 多个需要配合的进程间的数据共享，从而能够 起到 解耦的作用
"""
def download_from_web(q):
    """下载数据"""
    # 模拟从网上下载的数据
    data = [11, 22, 33, 44]

    # 向队列中写入数据
    for temp in data:
        q.put(temp)

    print("---下载器已经下载完了数据并且存入到队列中----")


def analysis_data(q):
    """数据处理"""
    waitting_analysis_data = list()
    # 从队列中获取数据
    while True:
        data = q.get()
        waitting_analysis_data.append(data)

        if q.empty():
            break

    # 模拟数据处理
    print(waitting_analysis_data)

def main():
    # 1. 创建一个队列
    q = multiprocessing.Queue()

    # 2. 创建多个进程，将队列的引用当做实参进行传递到里面
    p1 = multiprocessing.Process(target=download_from_web, args=(q,))
    p2 = multiprocessing.Process(target=analysis_data, args=(q,))
    p1.start()
    p2.start()


if __name__ == "__main__":
    main()

注意：

通过进程池创建进程，队列的使用要用multiprocessing.Manager().Queue()的方式，否则会报错。

进程池Pool

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

进程池的实现步骤

1. 导入进程池模块
2. 定义进程池，最大进程池最大数
3. 通过进程池调用目标 apply_async非阻塞，不会等待子进程结束；apply阻塞，会等待子进程结束才结束
4. 关闭进程池
5. 等待进程池执行完毕

代码实现：

from multiprocessing import Pool
import os, time, random

def worker(msg):
    t_start = time.time()
    print("%s开始执行,进程号为%d" % (msg,os.getpid()))
    # random.random()随机生成0~1之间的浮点数
    time.sleep(random.random()*2) 
    t_stop = time.time()
    print(msg,"执行完毕，耗时%0.2f" % (t_stop-t_start))

po = Pool(3)  # 定义一个进程池，最大进程数3
for i in range(0,10):
    # 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
    po.apply_async(worker,(i,))

print("----start----")
po.close()  # 关闭进程池，关闭后po不再接收新的请求
po.join()  # 等待po中所有子进程执行完成，必须放在close语句之后
print("-----end-----")