Python并发编程 —— 在Python程序中的进程操作
运行中的程序就是一个进程。所有的进程都是通过它的父进程来创建的。因此,运行起来的python程序也是一个进程,那么我们也可以在程序中再创建进程。多个进程可以实现并发效果,也就是说,当我们的程序中存在多个进程的时候,在某些时候,就会让程序的执行速度变快。我们可以借助python中强大的模块。来实现创建进程这个功能。
1、multiprocessing模块
把所有和进程相关的机制都封装在multiprocessing模块中了(内置模块)。
仔细说来,multiprocess不是一个模块而是python中一个操作、管理进程的包。 之所以叫multi是取自multiple的多功能的意思,在这个包中几乎包含了和进程有关的所有子模块。大致可以分为四个部分:创建进程部分,进程同步部分,进程池部分,进程之间数据共享。
2、Process模块
(1)、Process模块介绍
process模块是一个创建进程的模块,借助这个模块,就可以完成进程的创建。
参数介绍:
Process([group [, target [, name [, args [, kwargs]]]]]),由该类实例化得到的对象,表示一个子进程中的任务(尚未启动)
# 强调:
1. 需要使用关键字的方式来指定参数
2. args指定的为传给target函数的位置参数,是一个元组形式,必须有逗号
参数介绍:
1.group 参数未使用,值始终为None
2.target 表示调用对象,即子进程要执行的任务
3.args 表示调用对象的位置参数元组,args=(1,2,'a',)
4.kwargs 表示调用对象的字典,kwargs={'name':'cai','age':20}
5.name 为子进程的名称
方法介绍:
1、p.start():启动进程,并调用该子进程中的p.run()
2、p.run(): 进程启动时运行的方法,正是它去调用target指定的函数,我们自定义类的类中一定要实现该方法
3、p.terminate(): 强制终止进程p,不会进行任何清理操作,如果p创建了子进程,该子进程就成了僵尸进程,使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放,进而导致死锁
4、p.is_alive(): 如果p仍然运行,返回True
5、p.join([timeout]): 主线程等待p终止(强调:是主线程处于等的状态,而p是处于运行的状态)。timeout是可选的超时时间,需要强调的是,p.join只能join住start开启的进程,而不能join住run开启的进程
属性介绍:
1、p.daemon:默认值为False,如果设为True,代表p为后台运行的守护进程,当p的父进程终止时,p也随之终止,并且设定为True后,p不能创建自己的新进程,必须在p.start()之前设置
2、p.name: 进程的名称
3、p.pid: 进程的pid
4、p.exitcode: 进程在运行时为None、如果为–N,表示被信号N结束(了解即可)
5、p.authkey: 进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性,这类连接只有在具有相同的身份验证键时才能成功(了解即可)
在Windows中使用process模块的注意事项:
在Windows操作系统中由于没有fork(Linux操作系统中创建进程的机制),在创建进程的时候会自动 import 启动它的这个文件,而在 import 的时候又执行了整个文件,因此如果将process()直接写在文件中就会无限递归创建子进程报错,所以必须把创建子进程的部分使用 if __name__ == '__main__'判断保护起来,就不会递归运行了。
(2)、使用process模块创建进程
# 创建进程,并查看主进程和子进程的进程号
import os
import time
from multiprocessing import Process
def func():
'''
在子进程中执行的func
:return:
'''
print('子进程 :',os.getpid(),os.getppid())
time.sleep(3)
if __name__ == '__main__':
p = Process(target=func)
p.start() # start相当于告诉操作系统要开启一个子进程,而子进程的调度是由操作系统控制的
print('主进程 :',os.getpid())
# 执行结果:先打印主进程id 再打印子进程id (异步)
# 主进程是在子进程执行完毕之后才结束的,主进程回收子进程的资源
(3)、join 方法: 阻塞,直到对应的子进程对象执行结束
import time
from multiprocessing import Process
def son_process():
time.sleep(4)
print('通知xxx用户,机器挂掉了')
if __name__ == '__main__':
p = Process(target=son_process)
p.start()
p.join() # 阻塞,直到p对应的子进程对象执行结束
print('所有任务结束')
import time
from multiprocessing import Process
def son_process(n):
print('start', n)
time.sleep(2)
print('end',n)
if __name__ == '__main__':
p_l = []
for i in range(10):
p = Process(target=son_process,args=(i,))
p.start() # start相当于告诉操作系统要开启一个子进程,而子进程的调度是由操作系统控制的
p_l.append(p)
for p in p_l:p.join() # join 如果执行这句话的时候子进程已经结束了,那么join就不阻塞了
print('所有任务结束')
(4)、多个子进程
import os
import time
from multiprocessing import Process
def son_process():
print('strat son',os.getpid())
time.sleep(1)
print('end son')
if __name__ == '__main__':
print(os.getpid())
for i in range(5):
Process(target=son_process).start()
# 多个子进程同时运行时,子进程的执行顺序不是根据启动顺序决定的
(5)、守护进程
守护进程会随着父进程的代码结束而结束
主进程创建守护进程
一:守护进程会在主进程代码执行结束后就终止
二:守护进程内无法再开启子进程,否则抛出异常:AssertionError: daemonic processes are not allowed to have children
注意:进程之间是互相独立的,主进程代码运行结束,守护进程随即终止
import time
from multiprocessing import Process
def son():
while True:
time.sleep(1)
print('in son')
if __name__ == '__main__':
p = Process(target=son)
p.daemon = True # 将当前的子进程设置为守护进程
# 一定要在p.start()前设置,设置p为守护进程,禁止p创建子进程,并且父进程代码执行结束,p即终止运行
p.start()
time.sleep(5)
正常情况下,父进程永远会等着子进程结束,子进程结束之后,父进程才会结束
如果设置了守护进程,父进程的代码结束之后,守护进程也跟着结束
# 注:
代码结束和进程结束是两回事
# 没设置守护进程时:
子进程的代码和主进程的代码自己执行自己的,相互之间没关系
如果主进程的代码先结束,主进程不结束,等子进程代码结束,回收子进程的资源,主进程才结束
如果子进程的代码先结束,主进程边回收子进程的资源边执行自己的代码,当代码和资源都回收结束,主进程才结束
# 设置了守护进程
子进程的代码和主进程的代码自己执行自己的,互相之间没关系
一旦主进程的代码先结束,主进程会先结束掉子进程,然后回收资源,然后主进程才结束
守护进程不会守护除了主进程代码之外的其他子进程
import time
from multiprocessing import Process
def son():
while True:
time.sleep(1)
print('in son')
def son2():
print('start son2')
time.sleep(10)
print('end son2')
if __name__ == '__main__':
p = Process(target=son)
p.daemon = True
p.start()
Process(target=son2).start()
time.sleep(5)
如果偏要求守护进程在子进程结束之后才结束
import time
from multiprocessing import Process
def son():
while True:
time.sleep(1)
print('in son')
def son2():
print('start son2')
time.sleep(10)
print('end son2')
if __name__ == '__main__':
p = Process(target=son)
p.daemon = True
p.start()
p = Process(target=son2)
p.start()
time.sleep(5)
p.join() # 所有的子进程都执行完,才不会阻塞
(6)、Process对象中的其他方法
import time
from multiprocessing import Process
def son():
while True:
time.sleep(1)
print('in son')
if __name__ == '__main__':
p = Process(target=son)
p.start()
time.sleep(5)
print(p.is_alive())
p.terminate() # 异步非阻塞操作 # 强制终止进程p
# 关闭进程,不会立即关闭,所以is_alive 立刻 查看的结果可能还是存活
time.sleep(0.1)
print(p.is_alive()) # 判断子进程是否存活
print('主进程的代码并不结束')
(7)、面向对象的方式开启子进程:(继承Process类的形式开启进程的方式)
import os
from multiprocessing import Process
class MyProcess(Process):
def run(self):
print(os.getpid())
if __name__ == '__main__':
print('主 :',os.getpid())
MyProcess().start() # start会自动调用run
(8)、传参数
import os
from multiprocessing import Process
class MyProcess(Process):
def __init__(self,name): # 执行父类的init
super().__init__()
self.name=name
def run(self):
print(os.getpid())
print('%s 在工作' %self.name)
if __name__ == '__main__':
print('主 :',os.getpid())
MyProcess('yong').start()
MyProcess('liang').start()
(9)、判断进程之间的数据是否隔离
from multiprocessing import Process
n = 0
def son():
global n
n += 1
if __name__ == '__main__':
p_l = []
for i in range(20):
p = Process(target=son)
p.start()
p_l.append(p)
for p in p_l:p.join()
print(n)
3、数据安全(锁):用来保证数据安全
如果多个进程同时对一个文件进行操作会出现什么问题?
实现了程序的异步,让多个任务可以同时在几个进程中并发处理,但它们之间的运行没有顺序,一旦开启也不受我们控制。尽管并发编程让我们能更加充分的利用IO资源,但是也给我们带来了新的问题:当多个进程使用同一份数据资源的时候,就会引发数据安全或顺序混乱问题。
# 多进程抢占输出资源
import os
import time
import random
from multiprocessing import Process
def work(n):
print('%s: %s is running' %(n,os.getpid()))
time.sleep(random.random())
print('%s:%s is done' %(n,os.getpid()))
if __name__ == '__main__':
for i in range(3):
p=Process(target=work,args=(i,))
p.start()
# 使用锁维护执行顺序
# 由并发变成了串行,牺牲了运行效率,但避免了竞争
import os
import time
import random
from multiprocessing import Process, Lock
def work(lock,n):
lock.acquire() # 给这段代码上锁
print('%s: %s is running' % (n, os.getpid()))
time.sleep(random.random())
print('%s: %s is done' % (n, os.getpid()))
lock.release() # 给这段代码解锁
if __name__ == '__main__':
lock=Lock()
for i in range(3):
p=Process(target=work,args=(lock,i))
p.start()
# 上面这种情况虽然使用加锁的形式实现了顺序的执行,但是程序又重新变成串行了,这样确实会浪费了时间,却保证了数据的安全。
# 在使用进程锁时同时要注意死锁问题(多次引用互斥锁Lock),可以使用递归锁(RLock)
from multiprocessing import Process,Lock
def change(lock):
print('一部分并发的代码,多个进程之间互相不干扰的执行着')
lock.acquire() # 给这段代码上锁
with open('file','r') as f:
content = f.read()
num = int(content)
num += 1
for i in range(1000000):i+=1
with open('file','w') as f:
f.write(str(num))
lock.release() # 给这段代码解锁
print('另一部分并发的代码,多个进程之间互相不干扰的执行着')
if __name__ == '__main__':
lock = Lock()
for i in range(10):
Process(target=change,args=(lock,)).start()
当多个进程同时操作文件 / 共享一些数据的时候就会出现数据不安全(读数据: 可以同时读, 写数据: 不能同时写)
当开启多个进程,同时执行10000000行代码,其中有20行代码涉及到了操作同一个文件,只给这20行代码枷锁,来保证数据的安全。
# 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,没错,速度是慢了,但牺牲了速度却保证了数据安全。
# 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。这就是mutiprocessing模块为我们提供的基于消息的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获展性。
4、进程之间的数据共享(进程之间通信)
(1)、进程之间通信 —— IPC (Inter Process Communication)
内置的模块实现的机制: 队列 \ 管道
第三方工具 : redis rabbitMQ memcache
(2)、队列
创建共享的进程队列,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。
Queue([maxsize])
创建共享的进程队列。
参数 :maxsize是队列中允许的最大项数。如果省略此参数,则无大小限制。
底层队列使用管道和锁定实现。
# 队列Queue = 管道Pipe + 锁
# Pipe 基于文件实现的(socket + pickle) = 数据不安全
# Queue 基于文件(socket + pickle) + 锁(lock) 实现的 = 数据安全
# 在进程之间维护数据的安全 --- 进程安全
# 队列是进程安全的(进程队列保证了进程的数据安全)
# 队列都是先进先出的
队列中的方法介绍
Queue([maxsize])
创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数,则无大小限制。底层队列使用管道和锁定实现。另外,还需要运行支持线程以便队列中的数据传输到底层管道中。
Queue的实例q具有以下方法:
q.get( [ block [ ,timeout ] ] )
返回q中的一个项目。如果q为空,此方法将阻塞,直到队列中有项目可用为止。block用于控制阻塞行为,默认为True. 如果设置为False,将引发Queue.Empty异常(定义在Queue模块中)。timeout是可选超时时间,用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用,将引发Queue.Empty异常。
q.get_nowait( )
同q.get(False)方法。
q.put(item [, block [,timeout ] ] )
将item放入队列。如果队列已满,此方法将阻塞至有空间可用为止。block控制阻塞行为,默认为True。如果设置为False,将引发Queue.Empty异常(定义在Queue库模块中)。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。
q.qsize()
返回队列中目前项目的正确数量。此函数的结果并不可靠,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。
q.empty()
如果调用此方法时 q为空,返回True。如果其他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。
q.full()
如果q已满,返回为True. 由于线程的存在,结果也可能是不可靠的(参考q.empty()方法)。。
q.close()
关闭队列,防止队列中加入更多数据。调用此方法时,后台线程将继续写入那些已入队列但尚未写入的数据,但将在此方法完成时马上关闭。如果q被垃圾收集,将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如,如果某个使用者正被阻塞在get()操作上,关闭生产者中的队列不会导致get()方法返回错误。
q.cancel_join_thread()
不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。
q.join_thread()
连接队列的后台线程。此方法用于在调用q.close()方法后,等待所有队列项被消耗。默认情况下,此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。
代码示例
'''
multiprocessing模块支持进程间通信的两种主要形式:管道和队列,都是基于消息传递实现的
'''
from multiprocessing import Queue
q=Queue(3)
# put ,get ,put_nowait,get_nowait,full,empty
q.put(3)
q.put(3)
q.put(3)
# 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。
# put是一个同步阻塞方法,会阻塞直到队列不满
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。
# put_nowait 同步非阻塞方法
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 # 查看当前队列是否已满
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。
# get是一个同步阻塞方法,会阻塞直到数据来
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 # 查看当前队列是否已空
ret = q.qsize() # 查看当前队列有多少值
父进程发送数据给子进程
from multiprocessing import Queue,Process
def son(q):
print(q.get()) # 调用主函数中p进程传递过来的进程参数
if __name__ == '__main__':
q = Queue() # 创建一个Queue对象
p = Process(target=son,args=(q,)) # 创建一个进程
p.start()
q.put(123) # put函数为向队列中添加一条数据
# 上面是一个queue的简单应用,使用队列q对象调用get函数来取得队列中的数据。
批量生产数据放入队列再批量获取结果
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 ('%s%s\033[32m%s\033[0m'%(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()
5、进程池和 multiprocess.Pool 模块
(1)、进程池
# 为什么要有进程池?
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吗?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。因此引入了进程池。
# 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。
(2)、multiprocess.Pool模块
Pool([numprocess [,initializer [, initargs]]]): 创建进程池
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
方法介绍:
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
# 其他方法: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,将引发异常。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
代码示例:
# 进程池的同步调用
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)
# 进程池的异步调用
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
6、使用 ProcessPoolExecutor 实现进程池
import time
from concurrent.futures import ProcessPoolExecutor
def task(n1, n2):
time.sleep(2)
print('任务')
if __name__ == '__main__':
# 创建进程池
pool = ProcessPoolExecutor(10)
for i in range(20):
pool.submit(task, i, 1)
print('END')