python全栈开发,Day40(进程间通信(队列和管道),进程间的数据共享Manager,进程池Pool)
昨日内容回顾
进程 multiprocess Process —— 进程 在python中创建一个进程的模块 start daemon 守护进程 join 等待子进程执行结束 锁 Lock acquire release 锁是一个同步控制的工具 如果同一时刻有多个进程同时执行一段代码, 那么在内存中的数据是不会发生冲突的 但是,如果涉及到文件,数据库就会发生资源冲突的问题 我们就需要用锁来把这段代码锁起来 任意一个进程执行了acquire之后, 其他所有的进程都会在这里阻塞,等待一个release 信号量 semaphore 锁 + 计数器 同一时间只能有指定个数的进程执行同一段代码 事件 Event set clear is_set 控制对象的状态 wait 根据状态不同执行效果也不同 状态是True ---> pass 状态是False --> 阻塞 一般wait是和set clear放在不同的进程中 set/clear负责控制状态 wait负责感知状态 我可以在一个进程中控制另外一个或多个进程的运行情况 IPC通信 队列 Queue 管道 PIPE
一、进程间通信(队列和管道)
判断队列是否为空
from multiprocessing import Process,Queue q = Queue() print(q.empty())
执行输出:True
判断队列是否满了
from multiprocessing import Process,Queue q = Queue() print(q.full())
执行输出:False
如果队列已满,再增加值的操作,会被阻塞,直到队列有空余的
from multiprocessing import Process,Queue q = Queue(10) # 创建一个只能放10个value的队列 for i in range(10): q.put(i) # 增加一个value print(q.qsize()) # 返回队列中目前项目的正确数量 print(q.full()) # 如果q已满,返回为True q.put(111) # 再增加一个值 print(q.empty())
执行输出:
可以看出程序并没有结束,q.put(111)之后的代码被阻塞了。
总结:
队列可以在创建的时候指定一个容量
如果在程序运行的过程中,队列已经有了足够的数据,再put就会发生阻塞
如果队列为空,再get就会发生阻塞
为什么要指定队列的长度呢?是为了防止内存爆炸。
一个队列,不能无限制的存储。毕竟内存是有限制的。
上面提到的put、get、qsize、full、empty都是不准的。
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。
如果其它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。
import time from multiprocessing import Process,Queue def wahaha(q): print(q.get()) q.put(2) # 增加数字2 if __name__ == '__main__': q = Queue() p = Process(target=wahaha,args=[q,]) p.start() q.put(1) # 增加数字1 time.sleep(0.2) print(q.get())
执行输出:
1
2
先执行主进程的q.get(),再执行子进程的q.get()
在进程中使用队列可以完成双向通信
队列是进程安全的,内置了锁来保证队列中的每一个数据都不会被多个进程重复取
在同一时刻,只能有一个进程来取值,它内部有一个锁的机制。那么另外一个进程就会阻塞一会,但是阻塞的时间非常短,队列能保证数据安全,同一个数据,不能被多个进程获取。
生产者消费者模型
解决数据供需不平衡的情况
from multiprocessing import Process, Queue def producer(q, name, food): for i in range(5): print('{}生产了{}{}'.format(name, food, i)) if __name__ == '__main__': q = Queue() Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start() Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start()
执行输出:
增加一个消费者
import time import random from multiprocessing import Process, Queue def producer(q, name, food): for i in range(5): time.sleep(random.random()) # 模拟生产时间 print('{}生产了{}{}'.format(name, food, i)) q.put('{}{}'.format(food, i)) # 放入队列 def consumer(q, name): for i in range(10): food = q.get() # 获取队列 time.sleep(random.random()) # 模拟吃的时间 print('{}吃了{}'.format(name, food)) if __name__ == '__main__': q = Queue() Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start() Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start() Process(target=consumer, args=(q, 'xiao')).start()
执行输出:
消费者,必须是有的吃,才能吃。没有吃的,就等着。一个消费者,明显消费不过来,再加一个消费者
import time import random from multiprocessing import Process, Queue def producer(q, name, food): for i in range(5): time.sleep(random.random()) # 模拟生产时间 print('{}生产了{}{}'.format(name, food, i)) q.put('{}{}'.format(food, i)) # 放入队列 def consumer(q, name): for i in range(5): # 修改为5,因为有2个人 food = q.get() # 获取队列 time.sleep(random.random()) # 模拟吃的时间 print('{}吃了{}'.format(name, food)) if __name__ == '__main__': q = Queue() Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start() Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start() Process(target=consumer, args=(q, 'xiao')).start() Process(target=consumer, args=(q, 'lin')).start()
执行输出:
注意:必须将消费者的range(10)修改为5,否则程序会卡住。为什么呢?因为队列已经是空的,再取就会阻塞,这样才能解决供需平衡
那么问题来了,如果有一个消费者,吃的比较快呢?
再修改range值?太Low了
能者多老嘛,不能使用q.empty(),它是是不准确的
看下图,有可能一开始,队列就空了
下面的0.1更快
看下面的解决方案:
import time import random from multiprocessing import Process, Queue def producer(q, name, food): for i in range(5): time.sleep(random.random()) # 模拟生产时间 print('{}生产了{}{}'.format(name, food, i)) q.put('{}{}'.format(food, i)) # 放入队列 def consumer(q, name): while True: food = q.get() # 获取队列 if food == 'done': break # 当获取的值为done时,结束循环 time.sleep(random.random()) # 模拟吃的时间 print('{}吃了{}'.format(name, food)) if __name__ == '__main__': q = Queue() # 创建队列对象,如果不提供maxsize,则队列数无限制 p1 = Process(target=producer, args=(q, '康师傅', '红烧牛肉')) p2 = Process(target=producer, args=(q, '郑师傅', '红烧鱼块')) p1.start() # 启动进程 p2.start() Process(target=consumer, args=(q, 'xiao')).start() Process(target=consumer, args=(q, 'lin')).start() p1.join() # 保证子进程结束后再向下执行 p2.join() q.put('done') # 向队列添加一个值done q.put('done')
执行输出:
为什么要有2个done?因为有2个消费者
为什么要有2个join?因为必须要等厨师做完菜才可以。
最后输出2个done,表示通知2个顾客,菜已经上完了,顾客要结账了。
2个消费者,都会执行break。通俗的来讲,亲,您一共消费了xx元,请付款!
上面的解决方案,代码太长了,有一个消费者,旧的done一次。
下面介绍JoinableQueue
JoinableQueue([maxsize])
创建可连接的共享进程队列。这就像是一个Queue对象,但队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。
JoinableQueue的实例p除了与Queue对象相同的方法之外,还具有以下方法: q.task_done() 使用者使用此方法发出信号,表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量,将引发ValueError异常。 q.join() 生产者将使用此方法进行阻塞,直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。 下面的例子说明如何建立永远运行的进程,使用和处理队列上的项目。生产者将项目放入队列,并等待它们被处理。
JoinableQueue队列实现消费者生产者 模型
import time import random from multiprocessing import Process, JoinableQueue def producer(q, name, food): for i in range(5): time.sleep(random.random()) print('{}生产了{}{}'.format(name, food, i)) q.put('{}{}'.format(food, i)) q.join() # 等到所有的数据都被task_done才结束 def consumer(q, name): while True: food = q.get() # 获取队列 time.sleep(random.random()) # 模拟吃的时间 print('{}吃了{}'.format(name, food)) q.task_done() # 向q.join()发送一次信号,证明一个数据已经被取走了 if __name__ == '__main__': q = JoinableQueue() # 创建可连接的共享进程队列 # 生产者们:即厨师们 p1 = Process(target=producer, args=(q, '康师傅', '红烧牛肉')) p2 = Process(target=producer, args=(q, '郑师傅', '红烧鱼块')) p1.start() # 启动进程 p2.start() # 消费者们:即吃货们 c1 = Process(target=consumer, args=(q, 'xiao')) c2 = Process(target=consumer, args=(q, 'lin')) c1.daemon = True # 设置守护进程 c2.daemon = True c1.start() # 启动进程 c2.start() p1.join() # 保证子进程结束后再向下执行 p2.join()
执行输出:
总结:
producer put 生产完全部的数据就没有其他工作了 在生产数据方:允许执行q.join join会发起一个阻塞,直到所有当前队列中的数据都被消费 consumer get 获取到数据 处理数据 q.task_done() 告诉q,刚刚从q获取的数据已经处理完了 consumer每完成一个任务就会给q发送一个taskdone producer在所有的数据都生产完之后会执行q.join() producer会等待consumer消费完数据才结束 主进程中对producer进程进行join 主进程中的代码会等待producer执行完才结束 producer结束就意味着主进程代码的结束 consumer作为守护进程结束 结束顺序: consumer中queue中的所有数据被消费 producer join结束 主今晨过的代码结束 consumer结束 主进程结束
管道(了解):
介绍:
#创建管道的类: Pipe([duplex]):在进程之间创建一条管道,并返回元组(conn1,conn2),其中conn1,conn2表示管道两端的连接对象,强调一点:必须在产生Process对象之前产生管道 #参数介绍: dumplex:默认管道是全双工的,如果将duplex射成False,conn1只能用于接收,conn2只能用于发送。 #主要方法: conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收,recv方法会一直阻塞。如果连接的另外一端已经关闭,那么recv方法会抛出EOFError。 conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象 #其他方法: conn1.close():关闭连接。如果conn1被垃圾回收,将自动调用此方法 conn1.fileno():返回连接使用的整数文件描述符 conn1.poll([timeout]):如果连接上的数据可用,返回True。timeout指定等待的最长时限。如果省略此参数,方法将立即返回结果。如果将timeout射成None,操作将无限期地等待数据到达。 conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息,超过了这个最大值,将引发IOError异常,并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭,再也不存在任何数据,将引发EOFError异常。 conn.send_bytes(buffer [, offset [, size]]):通过连接发送字节数据缓冲区,buffer是支持缓冲区接口的任意对象,offset是缓冲区中的字节偏移量,而size是要发送字节数。结果数据以单条消息的形式发出,然后调用c.recv_bytes()函数进行接收 conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息,并把它保存在buffer对象中,该对象支持可写入的缓冲区接口(即bytearray对象或类似的对象)。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间,将引发BufferTooShort异常。
pipe初使用:
from multiprocessing import Process, Pipe def f(conn): conn.send("Hello The_Third_Wave") conn.close() if __name__ == '__main__': parent_conn, child_conn = Pipe() p = Process(target=f, args=(child_conn,)) p.start() print(parent_conn.recv()) p.join() pipe初使用
应该特别注意管道端点的正确管理问题。如果是生产者或消费者中都没有使用管道的某个端点,就应将它关闭。这也说明了为何在生产者中关闭了管道的输出端,在消费者中关闭管道的输入端。如果忘记执行这些步骤,程序可能在消费者中的recv()操作上挂起。管道是由操作系统进行引用计数的,必须在所有进程中关闭管道后才能生成EOFError异常。因此,在生产者中关闭管道不会有任何效果,除非消费者也关闭了相同的管道端点。
from multiprocessing import Pipe left,right = Pipe() left.send('1234') print(right.recv())
执行输出:1234
管道实例化之后,形成2端。默认情况下,管道是双向的
左边send,右边recv
一端send和recv,会阻塞
它不是走TCP和UDP
它是一台机器的多个进程
引发EOFError,程序卡住
from multiprocessing import Process,Pipe def f(parent_conn,child_conn): parent_conn.close() # 不写close将不会引发EOFError while True: try: print(child_conn.recv()) except EOFError: child_conn.close() break if __name__ == '__main__': # 在进程之间创建一条管道,并返回元组(conn1,conn2),其中conn1和conn2是表示管道两端的Connection对象 parent_conn,child_conn = Pipe() p = Process(target=f,args=(parent_conn,child_conn)) p.start() child_conn.close() # 关闭连接 parent_conn.send('hello') parent_conn.send('hello') parent_conn.send('hello') parent_conn.close() p.join() # 等待子进程结束
执行输出:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
from multiprocessing import Process,Pipe def consumer(p,name): produce, consume=p produce.close() while True: try: baozi=consume.recv() print('%s 收到包子:%s' %(name,baozi)) except EOFError: break def producer(seq,p): produce, consume=p consume.close() for i in seq: produce.send(i) if __name__ == '__main__': produce,consume=Pipe() c1=Process(target=consumer,args=((produce,consume),'c1')) c1.start() seq=(i for i in range(10)) producer(seq,(produce,consume)) produce.close() consume.close() c1.join() print('主进程')
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
from multiprocessing import Process,Pipe,Lock def consumer(p,name,lock): produce, consume=p produce.close() while True: lock.acquire() baozi=consume.recv() lock.release() if baozi: print('%s 收到包子:%s' %(name,baozi)) else: consume.close() break def producer(p,n): produce, consume=p consume.close() for i in range(n): produce.send(i) produce.send(None) produce.send(None) produce.close() if __name__ == '__main__': produce,consume=Pipe() lock = Lock() c1=Process(target=consumer,args=((produce,consume),'c1',lock)) c2=Process(target=consumer,args=((produce,consume),'c2',lock)) p1=Process(target=producer,args=((produce,consume),10)) c1.start() c2.start() p1.start() produce.close() consume.close() c1.join() c2.join() p1.join() print('主进程')
进程之间的数据共享
展望未来,基于消息传递的并发编程是大势所趋
即便是使用线程,推荐做法也是将程序设计为大量独立的线程集合,通过消息队列交换数据。
这样极大地减少了对使用锁定和其他同步手段的需求,还可以扩展到分布式系统中。
但进程间应该尽量避免通信,即便需要通信,也应该选择进程安全的工具来避免加锁带来的问题。
以后我们会尝试使用数据库来解决现在进程之间的数据共享问题。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
进程间数据是独立的,可以借助于队列或管道实现通信,二者都是基于消息传递的 虽然进程间数据独立,但可以通过Manager实现数据共享,事实上Manager的功能远不止于此 A manager object returned by Manager() controls a server process which holds Python objects and allows other processes to manipulate them using proxies. A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array.
Manager是一种较为高级的多进程通信方式,他能支持Python支持的任何数据结构。
它的原理是:先启动一个ManagerServer进程,这个进程是阻塞的,它监听一个socket,然后其他进程(ManagerClient)通过socket来连接到ManagerServer,实现通信。
from multiprocessing import Manager, Process def func(dic): print(dic) if __name__ == '__main__': m = Manager() # 创建一个server进程 dic = m.dict({'count': 100}) # 这是一个特殊的字典 p = Process(target=func, args=(dic,)) p.start() p.join()
执行输出:
修改字典的值
from multiprocessing import Manager, Process def func(dic): dic['count'] = dic['count'] - 1 print(dic) if __name__ == '__main__': m = Manager() # 创建一个server进程 dic = m.dict({'count': 100}) # 这是一个特殊的字典 p = Process(target=func, args=(dic,)) p.start() p.join()
输出:
循环修改
from multiprocessing import Manager, Process def func(dic): dic['count'] = dic['count'] - 1 # 每次减1 if __name__ == '__main__': m = Manager() # 创建一个server进程 dic = m.dict({'count': 100}) # 这是一个特殊的字典 p_lst = [] # 定义一个空列表 for i in range(100): # 启动100个进程 p = Process(target=func, args=(dic,)) p_lst.append(p) # 进程追加到列表中 p.start() # 启动进程 for p in p_lst: p.join() # 等待100个进程全部结束 print(dic) # 打印dic的值
重复执行5次,输出
发现每次结果不一致,数据已经出现错乱了,为什么呢?因为同一个时间内有多个进程操作dic,就会发生数据错乱。
为了解决这个问题,需要加锁
from multiprocessing import Manager, Process, Lock def func(dic, lock): lock.acquire() # 取得锁 dic['count'] = dic['count'] - 1 # 每次减1 lock.release() # 释放锁 if __name__ == '__main__': m = Manager() # 创建一个server进程 lock = Lock() # 创建锁 dic = m.dict({'count': 100}) # 这是一个特殊的字典 p_lst = [] # 定义一个空列表 for i in range(100): # 启动100个进程 p = Process(target=func, args=(dic, lock)) p_lst.append(p) # 进程追加到列表中 p.start() # 启动进程 for p in p_lst: p.join() # 等待100个进程全部结束 print(dic) # 打印dic的值
重复执行5次,输出结果为:
另外一种写法,使用上下文管理
from multiprocessing import Manager, Process, Lock def func(dic, lock): with lock: # 上下文管理:必须有一个开始动作和一个结束动作的时候 dic['count'] = dic['count'] - 1 # 每次减1 if __name__ == '__main__': m = Manager() # 创建一个server进程 lock = Lock() # 创建锁 dic = m.dict({'count': 100}) # 这是一个特殊的字典 p_lst = [] # 定义一个空列表 for i in range(100): # 启动100个进程 p = Process(target=func, args=(dic, lock)) p_lst.append(p) # 进程追加到列表中 p.start() # 启动进程 for p in p_lst: p.join() # 等待100个进程全部结束 print(dic) # 打印dic的值
重复执行,效果同上。
之前学到的文件管理,有用到上下文管理。这里也可以使用上下文管理。有2个必要条件
1. 提供了with方法。
2. 必须有一个开始和结束动作。
这里的开始和结束动作,分别指的是acquire和release
同一台机器上 : 使用Queue
在不同台机器上 :使用消息中间件
进程池和multiprocess.Pool模块
进程池
为什么要有进程池?进程池的概念。
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么?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。那么我们要怎么做呢?
在这里,要给大家介绍一个进程池的概念,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。
multiprocess.Pool模块
概念介绍
Pool([numprocess [,initializer [, initargs]]]):创建进程池
进程池,是很重要的知识点
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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,将引发一场。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
代码实例
import time from multiprocessing import Pool def fc(i): time.sleep(0.5) print('func%s' % i) if __name__ == '__main__': p = Pool(5) p.apply(func=fc, args=(1,))
执行输出:
import time from multiprocessing import Pool def fc(i): time.sleep(0.5) print('func%s' % i) if __name__ == '__main__': p = Pool(5) for i in range(5): p.apply(func=fc, args=(1,)) # 同步调用 # p.apply_async(func=fc,args=(1,)) # 异步调用
执行输出:
import time import random from multiprocessing import Pool def fc(i): print('func%s' % i) time.sleep(random.randint(1, 3)) return i ** 2 if __name__ == '__main__': p = Pool(5) # 创建拥有5个进程数量的进程池 ret_l = [] for i in range(5): # p.apply(func=fc,args=(1,)) # 同步调用 ret = p.apply_async(func=fc, args=(i,)) # 异步调用 ret_l.append(ret) for ret in ret_l: print(ret.get()) # 打印返回结果
执行输出:
后面的结果都是平方的值
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
练习
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# Pool内的进程数默认是cpu核数,假设为4(查看方法os.cup_count()) # 开启6个客户端,会发现2个客户端处于等待状态 # 在每个进程内查看pid,会发现pid使用为4个,即多个客户端供用4个进程 from socket import * from multiprocessing import Pool import os server = socket(AF_INET, SOCK_STREAM) server.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1) server.bind(('127.0.0.1', 8080)) server.listen(5) def talk(conn): print('进程pid:%s' % os.getpid()) while True: try: msg = conn.recv(1024) if not msg: break conn.send(msg.upper()) except Exception: break if __name__ == '__main__': p = Pool(4) while True: conn, *_ = server.accept() p.apply_async(talk, args=(conn,)) # p.apply(talk,args=(conn,client_addr)) # 同步的话,则同一时间只有一个客户端能访问
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
from socket import * client = socket(AF_INET, SOCK_STREAM) client.connect(('127.0.0.1', 8080)) while True: msg = input('>>>').strip() if not msg: continue client.send(msg.encode('utf-8')) msg = client.recv(1024) print(msg.decode('utf-8'))
发现:并发开启多个客户端,服务端同一时间只有4个不同的pid,只能结束一个客户端,另外一个客户端才会进来。
信号量和进程池的区别:
回调函数
需要回调函数的场景:进程池中任何一个任务一旦处理完了,就立即告知主进程:我好了额,你可以处理我的结果了。主进程则调用一个函数去处理该结果,该函数即回调函数
我们可以把耗时间(阻塞)的任务放到进程池中,然后指定回调函数(主进程负责执行),这样主进程在执行回调函数时就省去了I/O的过程,直接拿到的是任务的结果。
进程池的数量一般为CPU的个数加1
简单爬虫例子:
import os from urllib.request import urlopen from multiprocessing import Pool def get_url(url): print('-->',url,os.getpid(),'get_url进程') ret = urlopen(url) # 打开url content = ret.read() # 读取网页内容 return content def call(url): # 回调函数 #分析 print(url,os.getpid(),'回调函数') if __name__ == '__main__': print(os.getpid(),'主进程') # 主进程id l = [ 'http://www.baidu.com', 'http://www.sina.com', 'http://www.sohu.com', 'http://www.sogou.com', 'http://www.qq.com', 'http://www.bilibili.com', ] p = Pool(5) ret_l = [] for url in l: ret = p.apply_async(func=get_url,args=[url,],callback=call) # 异步 ret_l.append(ret) # 将进程追加到列表中 for ret in ret_l:ret.get() # 获取进程返回值
执行输出:
/www.sohu.com/a/231538578_115362" target="_blank"
...
输出了一堆内容,但是get_url函数并没有print,那么由谁输出的呢?
是由call打印的
回调函数
在进程池中,起了一个任务,这个任务对应的函数在执行完毕之后
的返回值会自动作为参数返回给回调函数
回调函数就根据返回值再进行相应的处理
回调函数 是在主进程执行的
看下图
有6个url,每一个url的响应时间是不一样的。假设第一个url访问很慢,那么必须等待任务结束,才能执行分析函数。如果使用回调函数,谁最快范围,优先执行回调函数。那么最慢的url,最后执行。
这样效率就提升了很多。
回调函数是瞬间执行的,网络延时才是最耗最长的。
回调函数是主 进程执行的,不是子进程执行的。
怎么证明呢?修改get_url的return值
import os from urllib.request import urlopen from multiprocessing import Pool def get_url(url): print('-->',url,os.getpid(),'get_url进程') ret = urlopen(url) # 打开url content = ret.read() # 读取网页内容 return url def call(url): # 回调函数 #分析 print(url,os.getpid(),'回调函数') if __name__ == '__main__': print(os.getpid(),'主进程') # 主进程id l = [ 'http://www.baidu.com', 'http://www.sina.com', 'http://www.sohu.com', 'http://www.sogou.com', 'http://www.qq.com', 'http://www.bilibili.com', ] p = Pool(5) ret_l = [] for url in l: ret = p.apply_async(func=get_url,args=[url,],callback=call) # 异步 ret_l.append(ret) # 将进程追加到列表中 for ret in ret_l:ret.get() # 获取进程返回值
执行输出:
13764 主进程
--> http://www.baidu.com 14820 get_url进程
--> http://www.sina.com 12144 get_url进程
--> http://www.sohu.com 10868 get_url进程
--> http://www.sogou.com 4072 get_url进程
--> http://www.qq.com 3924 get_url进程
--> http://www.bilibili.com 14820 get_url进程
http://www.baidu.com 13764 回调函数
http://www.qq.com 13764 回调函数
http://www.sohu.com 13764 回调函数
http://www.sogou.com 13764 回调函数
http://www.bilibili.com 13764 回调函数
http://www.sina.com 13764 回调函数
执行回调函数的进程id都是13764,这个进程正好是主进程。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
from multiprocessing import Pool import requests import json import os def get_page(url): print('<进程%s> get %s' %(os.getpid(),url)) respone=requests.get(url) if respone.status_code == 200: return {'url':url,'text':respone.text} def pasrse_page(res): print('<进程%s> parse %s' %(os.getpid(),res['url'])) parse_res='url:<%s> size:[%s]\n' %(res['url'],len(res['text'])) with open('db.txt','a') as f: f.write(parse_res) if __name__ == '__main__': urls=[ 'https://www.baidu.com', 'https://www.python.org', 'https://www.openstack.org', 'https://help.github.com/', 'http://www.sina.com.cn/' ] p=Pool(3) res_l=[] for url in urls: res=p.apply_async(get_page,args=(url,),callback=pasrse_page) res_l.append(res) p.close() p.join() print([res.get() for res in res_l]) #拿到的是get_page的结果,其实完全没必要拿该结果,该结果已经传给回调函数处理了 ''' 打印结果: <进程3388> get https://www.baidu.com <进程3389> get https://www.python.org <进程3390> get https://www.openstack.org <进程3388> get https://help.github.com/ <进程3387> parse https://www.baidu.com <进程3389> get http://www.sina.com.cn/ <进程3387> parse https://www.python.org <进程3387> parse https://help.github.com/ <进程3387> parse http://www.sina.com.cn/ <进程3387> parse https://www.openstack.org [{'url': 'https://www.baidu.com', 'text': '<!DOCTYPE html>\r\n...',...}] '''
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re from urllib.request import urlopen from multiprocessing import Pool def get_page(url,pattern): response=urlopen(url).read().decode('utf-8') return pattern,response def parse_page(info): pattern,page_content=info res=re.findall(pattern,page_content) for item in res: dic={ 'index':item[0].strip(), 'title':item[1].strip(), 'actor':item[2].strip(), 'time':item[3].strip(), } print(dic) if __name__ == '__main__': regex = r'<dd>.*?<.*?class="board-index.*?>(\d+)</i>.*?title="(.*?)".*?class="movie-item-info".*?<p class="star">(.*?)</p>.*?<p class="releasetime">(.*?)</p>' pattern1=re.compile(regex,re.S) url_dic={ 'http://maoyan.com/board/7':pattern1, } p=Pool() res_l=[] for url,pattern in url_dic.items(): res=p.apply_async(get_page,args=(url,pattern),callback=parse_page) res_l.append(res) for i in res_l: i.get()
如果在主进程中等待进程池中所有任务都执行完毕后,再统一处理结果,则无需回调函数
参考资料
http://www.cnblogs.com/linhaifeng/articles/6817679.html
https://www.jianshu.com/p/1200fd49b583
https://www.jianshu.com/p/aed6067eeac
明日默写:
import time import random from multiprocessing import Process, Queue def consumer(q, name): while True: food = q.get() if food == 'done': break time.sleep(random.random()) print('{}吃了{}'.format(name, food)) def producer(q, name, food): for i in range(10): time.sleep(random.random()) print('{}生产了{}{}'.format(name, food, i)) q.put('{}{}'.format(food, i)) if __name__ == '__main__': q = Queue() p1 = Process(target=producer, args=(q, 'Egon', '泔水')) p2 = Process(target=producer, args=(q, 'Yuan', '骨头鱼刺')) p1.start() p2.start() Process(target=consumer, args=(q, 'alex')).start() Process(target=consumer, args=(q, 'wusir')).start() p1.join() p2.join() q.put('done') q.put('done')