zoukankan      html  css  js  c++  java
  • Python多进程之multiprocessing模块和进程池的实现

    1、利用multiprocessing可以在主进程中创建子进程,提升效率,下面是multiprocessing创建进程的简单例子,和多线程的使用非常相似
    '''
    代码是由主进程里面的主线程从上到下执行的,
    我们在主线程里面又创建了两个子进程,子进
    程里面也是子线程在干活,这个子进程在主进
    程里面
    '''
    import multiprocessing
    import time
    
    def f0(a1):
        time.sleep(3)
        print(a1)
    if __name__ == '__main__':#windows下必须加这句
    
        t = multiprocessing.Process(target=f0,args=(12,))
        t.daemon=True#将daemon设置为True,则主线程不比等待子进程,主线程结束则所有结束
        t.start()
    
        t2 = multiprocessing.Process(target=f0, args=(13,))
        t2.daemon = True
        t2.start()
    
        print('end')#默认情况下等待所有子进程结束,主进程才结束
    

      这里的结果是直接打印出end就结束了,因为添加了t.daemon=True,join方法在进程里面也可以用,跟线程的用法非常相似

    2、进程之间默认是不能共用内存的

    li = []
    
    def f1(i):
        li.append(i)
        print('你好',li)
    
    if __name__ =='__main__':#进程不能共用内存
        for i in range(10):
            p = Process(target=f1,args=(i,))
            p.start()
    
    '''每个进程都创建一个列表,然后添加一个因素进去,
       每个进程之间的数据是不能共享的
    

      结果如图

    如果将代码改成threading,由于线程共用内存,所以结果是不一样的,线程操作列表li之前,拿到的是前一个线程操作过的li列表,如图

    3、如果要进程之间处理同一个数据,可以运用数组以及进程里面的manager方法,下面代码介绍的是manager方法

    from multiprocessing import Process
    from multiprocessing import Manager
    
    
    
    def f1(i,dic):
        dic[i] = 200+i
        print(dic.values())
    
    if __name__ =='__main__':#进程间默认不能共用内存
        manager = Manager()
        dic = manager.dict()#这是一个特殊的字典
    
    
        for i in range(10):
            p = Process(target=f1,args=(i,dic))
            p.start()
            p.join()
    

      这里输出如图,表示每个进程都是操作这个字典,最后的输出是有10个元素

    如果是普通的字典,输出如图

     

    4、multiprocessing模块里面的进程池Pool的使用

    (1)apply模块的使用,每个任务是排队执行的

    from multiprocessing import Process,Pool
    from multiprocessing import Manager
    import time
    
    
    def f1(a):
        time.sleep(2)
        print(a)
    
    if __name__ =='__main__':
        pool =Pool(5)
        for i in range(5):#每次使用的时候会去进程池里面申请一个进程
            pool.apply(func=f1,args=(i,))
            print('你好')#apply里面是每个进程执行完毕了才执行下一个进程
        pool.close()#执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
        pool.join()#等待进程运行完毕,先调用close函数,否则会出错
    

      运行结果如图

    (2)apply_async模块,会比apply模块多个回调函数,同时是异步的

    from multiprocessing import Process,Pool
    from multiprocessing import Manager
    import time
    
    
    
    def Foo(i):
        time.sleep(1)
        return i+50
    
    def Bar(arg):
        print(arg)
    
    if __name__ =='__main__':
        pool = Pool(5)
        for i in range(10):
    
            '''apply是去简单的去执行,而apply_async是执行完毕之后可以执行一
            个回调函数,起提示作用'''
            pool.apply_async(func=Foo,args=(i,),callback=Bar)#是异步的
            print('你好')
        pool.close()#不执行close会报错,因为join的源码里面有个断言会检验是否执行了该方法
        pool.join()#等待所有子进程运行完毕,否则的话由于apply_async里面daemon是设置为True的,主进程不会等子进程,所欲函数可能会来不及执行完毕就结束了
    '''apply_async里面,等函数Foo执行完毕,它的返回结果会被当做参数
        传给Bar'''
    

      结果如图

    这两个方法的主要区别如图

  • 相关阅读:
    Android改app名称
    DNSLog注入笔记
    mac burp suite https证书安装
    python-requests-proxies判断学习
    mac java jdk 安装删除
    php简单一句话分析
    mysql盲注学习-1
    Python实现访问者模式
    Python operator模块和functools模块
    SQL 日期函数转换
  • 原文地址:https://www.cnblogs.com/xiaobeibei26/p/6484849.html
Copyright © 2011-2022 走看看