[ python ] 进程的操作
目录
(见右侧目录栏导航)
- 1. 前言
- 2. multiprocess模块
- 2.1 multiprocess.Process模块
- 2.2 使用Process模块创建进程
- 2.3 守护进程
- 2.4 socket聊天并发实例
- 3. 进程锁 - multiprocess.Lock
- 4. 信号量(multiprocessing.Semaphore)
- 5. 事件
- 6. 进程间通信
- 6.1 队列
- 6.2 管道(了解)
- 6.3 进程之间数据共享
- 7. 进程池
- 7.1 为什么要有进程池
- 7.2 Pool模块
1. 前言
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的效果,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。以我们之前所学的知识,并不能实现创建进程这个功能,所以我们就需要借助python中强大的模块。
2. multiprocess模块
mulitiprocess 是python的一个内建模块,包含了和进程有关的所有子模块。由于提供的子模块非常多,为了方便大家归类记忆,我将这部分大致分为四个部分: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。
2.1 multiprocess.Process模块
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。
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:
group参数未使用,值始终为None
target表示调用对象,即子进程要执行的任务
args表示调用对象的位置参数元组,args=(1,2,'egon',)
kwargs表示调用对象的字典,kwargs={'name':'egon','age':18}
name为子进程的名称
方法介绍:
p.start():启动进程,并调用该子进程中的p.run()
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
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
p.is_alive():如果p仍然运行,返回True
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:
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
p.name:进程的名称
p.pid:进程的pid
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)
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)
注意:
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),在创建子进程的时候会自动 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,import 的时候 ,就不会递归运行了。
2.2 使用Process模块创建进程
在一个python进程中开启子进程,start方法和并发效果。
from multiprocessing import Process
import time
def f(name):
print('hello,', name)
print('我是子进程.')
if __name__ == '__main__':
p = Process(target=f, args=('hkey',))
p.start()
time.sleep(1)
print('执行主进程的内容了。')
from multiprocessing import Process
import time
def f(name):
print('hello,', name)
time.sleep(1)
print('我是子进程.')
if __name__ == '__main__':
p = Process(target=f, args=('hkey',))
p.start()
p.join() # 等待子进程执行完毕然后在继续执行主进程
print('执行主进程的内容了。')
from multiprocessing import Process
import time
import os
def f(name):
print('hello,', name)
time.sleep(1)
print('子进程id:', os.getpid()) # 子进程id
print('父进程id:', os.getppid()) # 子进程的父进程id
print('我是子进程.')
if __name__ == '__main__':
p = Process(target=f, args=('hkey',))
p.start()
p.join() # 等待子进程执行完毕然后在继续执行主进程
print('执行主进程的内容了。')
print('主进程的id:', os.getpid()) # 主进程的id
进阶,多个进程同时运行(注意:子进程的执行顺序不是根据启动顺序决定的)
from multiprocessing import Process
import time
def f(name):
print('hello,', name)
time.sleep(1)
if __name__ == '__main__':
for i in range(5): # 产生 5 个子进程同时运行
p = Process(target=f, args=('hkey',))
p.start()
from multiprocessing import Process
import time
def f(name):
print('hello,', name)
time.sleep(1)
if __name__ == '__main__':
p_lst = []
for i in range(5): # 产生 5 个子进程同时运行
p = Process(target=f, args=('hkey',))
p.start()
p_lst.append(p)
[p.join() for p in p_lst] # 等待所有子进程执行结束在继续执行后续的代码
print('hello world.')
除了上面这些开启进程的方法,还有一种以继承Process类的形式开启进程的方式
from multiprocessing import Process
import time
class MyProcess(Process):
def __init__(self, name):
super(MyProcess, self).__init__() # 需要继承父类中的初始化方法
self.name = name
def run(self): # 必须重写的方法
print('hello,', self.name)
time.sleep(1)
if __name__ == '__main__':
p_lst = []
for i in range(5):
p = MyProcess(str(i))
p.start()
p_lst.append(p)
[p.join() for p in p_lst]
print('hello hkey')
进程之间数据是相互隔离的。
这里可以想象电脑上通过开启QQ和wrod文档,它们是相互独立的两个进程,不存在任何数据共享。
2.3 守护进程
守护进程:会随着主进程的结束而结束的进程。
主进程创建守护进程:
(1) 守护进程会在主进程代码执行结束后就终止
(2) 守护进程内无法再开启子进程,否则抛出异常
注意:进程之间是相互独立的,主进程代码运行结束,守护进程随即终止
from multiprocessing import Process
import time
import os
class MyProcess(Process):
def __init__(self, name):
super(MyProcess, self).__init__()
self.name = name
self.daemon = True # True为开启守护进程
def run(self):
print(os.getpid(), self.name)
print('%s正在吃饭.' % self.name)
if __name__ == '__main__':
p = MyProcess('小王')
p.start()
time.sleep(4)
print('主进程.')
from multiprocessing import Process
import time
def foo():
print('123')
time.sleep(3)
print('end123')
if __name__ == '__main__':
p1 = Process(target=foo)
p1.daemon = True
p1.start()
time.sleep(0.1)
print('main-end')
2.4 socket聊天并发实例
from multiprocessing import Process
import socket
class MyProcess(Process):
def __init__(self, conn, addr):
super(MyProcess, self).__init__()
self.conn = conn
self.addr = addr
def run(self):
try:
while True:
res = self.conn.recv(1024)
if not res: break
print(self.addr, res)
self.conn.send(res.upper())
except ConnectionResetError as e:
print('Error', e)
if __name__ == '__main__':
sk_server = socket.socket()
sk_server.bind(('localhost', 8080))
sk_server.listen(5)
while True:
conn, addr = sk_server.accept()
conn.send('welcome QQ'.encode())
p = MyProcess(conn, addr)
p.start()
import socket
sk_client = socket.socket()
sk_client.connect(('localhost', 8080))
res = sk_client.recv(1024).decode()
print(res)
while True:
cmd = input('>>>').strip()
if not cmd: continue
sk_client.send(cmd.encode())
res = sk_client.recv(1024)
print(res)
3. 进程锁 - multiprocess.Lock
通过上面的学习,实现了并发的效果,让多个任务可以同时在几个进程中并发处理,他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。
import os
import time
import random
from multiprocessing import Process, Lock
class Work(Process):
def __init__(self, n):
super(Work, self).__init__()
self.n = n
def run(self):
print('%s: %s is running.' % (self.n, os.getppid()))
time.sleep(random.random())
print('%s:%s is done' % (self.n, os.getpid()))
if __name__ == '__main__':
for i in range(5):
p = Work(i)
p.start()
import os
import time
import random
from multiprocessing import Process, Lock
class Work(Process):
def __init__(self, n, lock):
super(Work, self).__init__()
self.n = n
self.lock = lock
def run(self):
self.lock.acquire()
print('%s: %s is running.' % (self.n, os.getppid()))
time.sleep(random.random())
print('%s:%s is done' % (self.n, os.getpid()))
self.lock.release()
if __name__ == '__main__':
lock = Lock()
for i in range(5):
p = Work(i, lock)
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。
接下来,我们以模拟抢票为例,来看看数据安全的重要性。
# 文件 ticket.json 的内容为:{"count":1}
# 注意一定要用双引号,不然json无法识别
# 并发运行,效率高,但竞争写同一文件,数据写入错乱
from multiprocessing import Process, Lock
import time, json
def search():
with open('ticket.json', 'r') as f:
dic = json.load(f)
print('\033[33;1m余票:\033[0m', dic['count'])
class Get(Process):
def __init__(self, name):
super(Get, self).__init__()
self.name = name
def run(self):
with open('ticket.json', 'r') as f:
ticket = json.load(f)
if ticket['count'] >= 1:
ticket['count'] -= 1
time.sleep(0.5)
with open('ticket.json', 'w') as f:
json.dump(ticket, f)
print('\033[32;1m%s,购票成功.\033[0m' % self.name)
else:
print('\033[31;1m%s,购票失败.\033[0m' % self.name)
if __name__ == '__main__':
search()
for i in ('xiaosan', 'xiaowang', 'xiaogou'):
g = Get(i)
g.start()
# 文件 ticket.json 的内容为:{"count":1}
# 注意一定要用双引号,不然json无法识别
# 并发变成串行,牺牲了效率,但保证了数据的准确性
from multiprocessing import Process, Lock
import time, json
def search():
with open('ticket.json', 'r') as f:
dic = json.load(f)
print('\033[33;1m余票:\033[0m', dic['count'])
class Get(Process):
def __init__(self, name, lock):
super(Get, self).__init__()
self.name = name
self.lock = lock
def run(self):
self.lock.acquire()
with open('ticket.json', 'r') as f:
ticket = json.load(f)
if ticket['count'] >= 1:
ticket['count'] -= 1
time.sleep(0.5)
with open('ticket.json', 'w') as f:
json.dump(ticket, f)
print('\033[32;1m%s,购票成功.\033[0m' % self.name)
else:
print('\033[31;1m%s,购票失败.\033[0m' % self.name)
self.lock.release()
if __name__ == '__main__':
search()
lock = Lock()
for i in ('xiaosan', 'xiaowang', 'xiaogou'):
g = Get(i, lock)
g.start()
4. 信号量(multiprocessing.Semaphore)
互斥锁(multiprocessing.Lock)同时只允许一个线程更改数据,而信号量Semaphore是同时允许一定数量的线程更改数据。
假设商场里有4个迷你唱吧,所以同时可以进去4个人,如果来了第五个人就要在外面等待,等到有人出来才能再进去玩。
实现:
信号量同步基于内部计数器,每调用一次acquire(),计数器减1;每调用一次release(),计数器加1.当计数器为0时,acquire()调用被阻塞。这是迪科斯彻(Dijkstra)信号量概念P()和V()的Python实现。信号量同步机制适用于访问像服务器这样的有限资源。
信号量与进程池的概念很像,但是要区分开,信号量涉及到加锁的概念
from multiprocessing import Process, Semaphore import time import random def ktv(name, sem): sem.acquire() # 每次进来一个人就拿一把钥匙 print('\033[32;1m%s 进入ktv.\033[0m' % name) time.sleep(random.randint(1, 3)) print('\033[31;1m%s 退出ktv.\033[0m' % name) sem.release() # 退出就释放钥匙 if __name__ == '__main__': sem = Semaphore(5) # 设定共享的ktv数量 for i in range(20): # 20个人要使用这5个资源 p = Process(target=ktv, args=(str(i), sem)) p.start()
5. 事件
python线程的事件用于主线程控制其他线程的执行,事件主要提供了三个方法 set、wait、clear。
事件处理的机制:全局定义了一个“Flag”,如果“Flag”值为 False,那么当程序执行 event.wait 方法时就会阻塞,如果“Flag”值为True,那么event.wait 方法时便不再阻塞。
clear:将“Flag”设置为False
set:将“Flag”设置为True
可以这样理解:两个子类共享父类的一个全局变量。
from multiprocessing import Process, Event import time def cars(e, n): while True: if not e.is_set(): # 进程刚开启,is_set()的值是Flase,模拟信号灯为红色 print('\033[31m红灯亮\033[0m,car%s等着' % n) e.wait() # 阻塞,等待is_set()的值变成True,模拟信号灯为绿色,等待时间为:5秒 print('\033[32m绿灯亮\033[0m,car%s通行' % n) if not e.is_set(): continue break def police_car(e, n): while True: if not e.is_set(): # 进程刚开启,is_set()的值是Flase,模拟信号灯为红色 print('\033[31m红灯亮\033[0m,car%s等着' % n) e.wait(0.5) # 阻塞,等待设置等待时间,等待0.5s之后没有等到绿灯就闯红灯走了 if not e.is_set(): print('\033[31;1m红灯,警车先走\033[0m') else: print('\033[31;1m绿灯,警车走\033[0m') break def light(e): '''红绿灯控制器''' while True: time.sleep(5) # 红灯和绿灯切换时间:5秒 if e.is_set(): print(e.is_set()) e.clear() else: print(e.is_set()) e.set() if __name__ == '__main__': e = Event() for i in range(3): car = Process(target=cars, args=(e, str(i))) # 创建3个进程控制3辆车 car.start() for i in range(1): pli = Process(target=police_car, args=(e, str(i))) # 创建1个进程控制1辆警车 pli.start() p = Process(target=light, args=(e,)) # 创建一个进程控制红绿灯 p.start()
6. 进程间通信
进程间通信简称:IPC(Inter-Process Communication),队列一般遵循先进先出的规则。
6.1 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。
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。
代码实现
from multiprocessing import Process, Queue q = Queue(3) # 3 设定队列的最大值 q.put(1) # put 向队列中添加值 q.put(2) q.put(3) # q.put(4) # 如果队列已经满了,程序会阻塞在这里,等待队列中的值被取走,再将数据放入队列。 try: q.put_nowait(3) # 使用 put_nowait 如果队列满了不会阻塞,但是会因为队列满了抛出异常 except: # 使用 try...except 可以使程序不会一直阻塞到这里,但是 q.put(4) 这个消息会丢掉 print('队列已经满了。') print(q.full()) # True 表示队列已满 print(q.get()) # get 从队列中取值 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() # 使用 get_nowait 如果队列空了不会阻塞,但是会因为队列满了抛出异常 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())
上面这个例子还没有加入进程通信,只是先来看看队列为我们提供的方法,以及这些方法的使用和现象。
from multiprocessing import Process, Queue import time def f(q): q.put([time.asctime(), 'xiaoA', 'xiaoB']) # 将数据添加到队列 if __name__ == '__main__': q = Queue() p = Process(target=f, args=(q,)) p.start() print(q.get()) # 从队列中取数据
通过前面的学习,得知进程间不能直接通信的,但是利用队列就能实现进程间通信。
6.1.1 生产者消费者模型
在并发编程中使用生产者和消费者模式能解决绝大多数并发问题,该模式通过平衡生产线和消费线程的工作能力来提高程序的整体处理数据的速度。
为什么要使用生产者消费者模型
在线程世界里,生产者就是生产数据的线程,消费者就是消费数据的线程。在多线程开发当中,如果生产者处理速度很快,而消费者处理速度很慢,那么生产者就必须等待消费者处理完,才能继续生产数据。同样的道理,如果消费者的处理能力大于生产者,那么消费者就必须等待生产者。为了解决这个问题于是引入了生产者和消费者模式。
什么是生产者消费者模式
生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯,而通过阻塞队列来进行通讯,所以生产者生产完数据之后不用等待消费者处理,直接扔给阻塞队列,消费者不找生产者要数据,而是直接从阻塞队列里取,阻塞队列就相当于一个缓冲区,平衡了生产者和消费者的处理能力。
from multiprocessing import Process, Queue import time def producer(q): for i in range(5): # 生产者将 5 条数据放到队列中 q.put(time.asctime(), i) def consumer(q): while True: print(q.get()) # 消费者不断从队列中取数据,当数据被取完后,get()将阻塞继续等待队列中的数据 time.sleep(1) if __name__ == '__main__': q = Queue() p = Process(target=producer, args=(q,)) p.start() s = Process(target=consumer, args=(q,)) s.start()
此时的问题是主进程永远不会结束,原因是:生产者p在生产完后就结束了,但是消费者c在取空了q之后,则一直处于死循环中且卡在q.get()这一步。
解决方式无非是让生产者在生产完毕后,往队列中再发一个结束信号,这样消费者在接收到结束信号后就可以break出死循环。
from multiprocessing import Process, JoinableQueue def producer(q, name): for i in range(10): res = '%s-%s' % (name, i) q.put(res) q.join() def consumer(q): while True: print(q.get()) q.task_done() if __name__ == '__main__': q = JoinableQueue() p_lst = [] for i in ['苹果', '香蕉', '菠萝']: p = Process(target=producer, args=(q, i)) p.start() p_lst.append(p) c = Process(target=consumer, args=(q,)) c.daemon = True c.start() [p.join() for p in p_lst]
对上面这段代码的解读:
在生产者端:
每次产生一个数据;
且每次生产的数据都放在队列中
在队列中刻上一个记号
在生产者全部生产完毕之后
join 信号:已经停止生产数据了
且要等待之前被刻上记号的数据消费完毕
当数据处理完成时,join阻塞结束
在消费者端:
每次获取一个数据
处理一个数据
发送一个记号:标记一个数据被处理成功
主进程:
consumer 中把所有的任务消耗完
producer 端的join感知到,停止阻塞
所有的 producer 进程结束
主进程代码结束
守护进程(consumer)结束
6.2 管道(了解)
介绍
创建管道,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:必须在生产Process对象之前产生管道。
参数介绍:
duplex: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
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。
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。
6.3 进程之间数据共享
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。
Manager 模块介绍
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
manger 支持的数据类型:
list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array
基础使用实例:
from multiprocessing import Process, Manager def func(m): m['count'] += 1 # 在子进程中 + 1 if __name__ == '__main__': m = Manager() dic = m.dict({'count': 100}) p = Process(target=func, args=(dic,)) p.start() p.join() # 在使用 Manager模块的时候必须等待子进程执行完毕,因为如果主进程直接结束,共享的资源也会消失,程序报错 print('---主进程---') print(dic) # 主进程查看数据是否修改 当在多进程中使用数据共享操作,必须通过互斥锁的方式来保证数据的可靠性: def func(dic, lock): with lock: # 使用 with lock: 自动获取和释放锁 dic['count'] += 1 dic['count'] -= 1 if __name__ == '__main__': lock = Lock() m = Manager() dic = m.dict({'count': 100}) p_lst = [] for i in range(100): p = Process(target=func, args=(dic, lock)) p.start() p_lst.append(p) for p in p_lst: p.join() print('---主---') print(dic)
7. 进程池
7.1 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。
7.2 Pool模块
Pool([numprocess [,initializer [, initargs]]]):创建进程池
numprocess: 要创建的进程数,如果省略,将默认使用 cpu_count() 的值
initializer: 是每个工作进程启动时要执行的可调用对象,默认为None
initargs: 是要传给 initializer 的参数组
主要方法:
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,将结果传递给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
代码实例:
进程池和多进程效率比较:
from multiprocessing import Pool, Process import time def func(n): for i in range(3): n + 1 if __name__ == '__main__': start = time.time() pool = Pool(5) pool.map(func, range(100)) # 进程池的方式运行 t1 = time.time() - start start = time.time() p_lst = [] for i in range(100): # 多进程的方式运行 p = Process(target=func, args=(i,)) p.start() p_lst.append(p) for p in p_lst: p.join() t2 = time.time() - start print(t1, t2)
同步和异步
from multiprocessing import Pool import time def func(n): print(n * 2) time.sleep(1) if __name__ == '__main__': pool = Pool(5) # 进程池中从无到有创建5个进程,以后一直是这5个进程在执行任务 for i in range(5): pool.apply(func, args=(i,)) # 同步调用 print('---主进程---') # 同步调用是需要等待子进程全部结束在执行主进程
from multiprocessing import Pool import os, random, time def func(n): print('%s run.' % os.getpid()) time.sleep(random.random()) return n ** 2 if __name__ == '__main__': p = Pool(5) # 进程池从无到有创建5个进程,以后一直是这5个进程执行任务 res_lst = [] for i in range(5): # 异步运行,根据进程池中有的进程数,每次最多5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5个进程不会同时不会同时开启或者同时结束,而是执行完一个释放出来接收新的任务 res = p.apply_async(func, args=(i,)) res_lst.append(res) # 异步 apply_sync用法:如果使用异步提交的任务,主进程需要使用join,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() # 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 for res in res_lst: print(res.get())
socket:进程池版本socket并发聊天
import socket from multiprocessing import Pool def chat(conn): conn.send(b'welcome!') while True: res = conn.recv(1024) conn.send(res.upper()) if __name__ == '__main__': sk_server = socket.socket() sk_server.bind(('localhost', 8080)) sk_server.listen(5) p = Pool(5) while True: conn, addr = sk_server.accept() print('welcome ', addr) p.apply_async(chat, args=(conn))
import socket sk_client = socket.socket() sk_client.connect(('localhost', 8080)) res = sk_client.recv(1024).decode() print(res) while True: inp = input('>>>').strip() if not inp: continue sk_client.send(inp.encode()) inp_res = sk_client.recv(1024).decode() print(inp_res)
执行上面的代码,当客户端启动到第6个的时候,需要停止之前的其中一个,第6个客户端才会接进来。
这里总结下,在进程池中,异步调用(apply_async)时,close 和 join的用法:
当子进程执行完毕后,仍然需要主进程执行后续的代码,这时就需要用到close() 和 join()
回调函数
回调函数一定是在主进程中执行的。使用场景:
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。
from multiprocessing import Pool import requests, os def get(url): print('<进程:%s> %s' % (os.getpid(), url)) response = requests.get(url) if response.status_code == 200: return {'url': url, 'text': response.text} def pasrse_page(res): print('<进程:%s> %s' % (os.getpid(), res['url'])) parse_res = 'url: %s size: %s\n' % (res['url'], len(res['text'])) with open('db.txt', 'w') as f: f.write(parse_res) if __name__ == '__main__': p = Pool(3) urls = [ 'https://www.baidu.com/', 'https://www.taobao.com/', 'https://www.cnblogs.com/', ] res_lst = [] for url in urls: res = p.apply_async(get, args=(url,), callback=pasrse_page) res_lst.append(res) p.close() p.join() for res in res_lst: print(res.get())
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
from multiprocessing import Pool import time def work(n): time.sleep(1) return n ** 2 if __name__ == '__main__': p = Pool() res_lst = [] for i in range(10): res = p.apply_async(work, args=(i,)) res_lst.append(res) p.close() p.join() for res in res_lst: print(res.get())