Python 多进程编程之multiprocessing--Process

Python 多进程编程之multiprocessing

1,Process

  • 跨平台的进程创建模块(multiprocessing), 支持跨平台:windowx/linux
  • 创建和启动
          创建格式:p=Process(target=函数名)
    ----def __init__(self, group=None, target=None, name=None, args=(), kwargs={}):
    group:分组(基本不用)
    target:表示这个进程实例所调用的对象.
    name:给进程起一个别名
    args:参数,表示调用对象的位置参数元组
    kwargs:表示调用对象的关键字参数字典

    注意:target后是函数名,一定要记住,是函数名,没有括号
    带括号的话,子进程就没有创建,直接在主进程执行了
          启动:p.start()

  • ----在主进程等待指令之前加入     p.join()
    这个命令叫做"阻塞",意思是让主进程
    等待子进程结束之后,再执行join()之后的语句
    ----可以设置等待子进程时间    p.join(4)
    设置时间之后,主进程的阻塞时间只有4秒
  • 进程对象.is_alive()
    检测进程是否活着
    ----会有2个返回值
    True:活着
    False:死了
  • 进程对象.terminate()
    ----不管进程是否结束,
    强制终止进程
  • 实例:从键盘输入一个整数,分别开启两个进程来计算这个数的累加和和阶乘。
    (第一个进程用系统提供给我们的类,第二个进程需要自己定义)
  • from multiprocessing import Process
    
    #方法1:
    def sumToN(n):
        s = 0
        for i in range(1,n+1):
            s += i
        print("累加和:%d"%s)
    
    #方法2:
    class JieCheng(Process):
        def __init__(self,n):
            Process.__init__(self)
            self.n = n
    
        def run(self):
            j = 1
            for i in range(1, self.n + 1):
                j *= i
            print("%d!=%d"%(self.n, j))
    
    if __name__ == "__main__":
        #输入一个数:
        str_num = input("请输入一个数:")
        num = int(str_num)
    
        #创建进程--计算    #方法1: 系统提供给我们的类    p1 = Process(target=sumToN,args=(num,))     p1.start()
    
    #方法2:自己定义的类,也叫继承系统类
        p2 = JieCheng(num)
        p2.start()
    

原文地址:https://www.cnblogs.com/Fantinai/p/8428550.html

时间: 2024-10-12 11:45:25

Python 多进程编程之multiprocessing--Process的相关文章

Python 多进程编程之multiprocessing--Pool

Python 多进程编程之multiprocessing--Pool ----当需要创建的子进程数量不多的时候,可以直接利用multiprocessing 中的Process 动态生成多个进程, ----但是,如果是成百上千个任务,手动创建的话,工作量会很大,此时就会用到multiprocessing 下的Pool ----初始化Pool 时,可以指定一个最大的进程数,当背后的请求提交到Pool 中时,如果池子没有满,那么就会创建一个新的进程来执行该请求. 如果满了(池子中的进程以及达到最大进程

python多进程的理解 multiprocessing Process join run

最近看了下多进程. 一种接近底层的实现方法是使用 os.fork()方法,fork出子进程.但是这样做事有局限性的.比如windows的os模块里面没有 fork() 方法. windows:.linux: 另外还有一个模块:subprocess.这个没整过,但从vamei的博客里看到说也同样有局限性. 所以直接说主角吧 --- multiprocessing模块. multiprocessing模块会在windows上时模拟出fork的效果,可以实现跨平台,所以大多数都使用multiproce

Python 多进程编程之fork()

Python实现多进程可以用系统fork()方法和python的multiprocessing类 1,fork()方法是Unix/Linux操作系统提供的,在python的os模块中自带fork(). 在windows中不能使用,这是它的特殊之处 在使用fork()方法之前,我们先来了解一下fork的英文解释:基本都是分叉,叉开,分支的意思, 所以,fork()方法在创建子进程时,会将主进程中的所有代码复制一份到子进程 虽然是复制了父进程的所有代码,但是,子进程不会执行所有的代码,它在父进程中在

深入浅出--UNIX多进程编程之fork()函数

0前言 上周都在看都在学习unix环境高级编程的第八章--进程控制.也就是这一章中,让我理解了unix中一些进程的原理.下面我就主要按照进程中最重要的三个函数来进行讲解.让大家通过阅读这一篇文章彻底明白进程这点事.希望对大家有所帮助. 1进程环境 在学习进程之前,一定要了解一下unix的进程环境.系统如何对进程终止,和一个程序启动终止,程序运行的原理等,这些都有助于你理解进程的运行原理.这些内容都在我的上一篇文章中,请关注:http://blog.csdn.net/wallwind/articl

python多线程编程之Queue---put/get 方法的阻塞

python 中,队列是线程间最常用的交换数据的形式.Queue模块是提供队列操作的模块,虽然简单易用,但是不小心的话,还是会出现一些意外. 1. 阻塞模式导致数据污染 import Queue       q = Queue.Queue(10)       for i in range(10):               myData = 'A'               q.put(myData)               myData = 'B' 这是一段极其简单的代码,但我总是不能

Python并发编程之:多进程

一 multiprocessing模块介绍 python中的多线程无法利用多核优势,如果想要充分地使用多核CPU的资源(os.cpu_count()查看),在python中大部分情况需要使用多进程.Python提供了multiprocessing.    multiprocessing模块用来开启子进程,并在子进程中执行我们定制的任务(比如函数),该模块与多线程模块threading的编程接口类似.  multiprocessing模块的功能众多:支持子进程.通信和共享数据.执行不同形式的同步,

Python之路——并行编程之multiprocessing模块

Process 1 import socket 2 import time 3 from multiprocessing import Process 4 5 def talk(conn): 6 if type(conn)==socket.socket(): 7 conn.send(b'connected') 8 msg = conn.recv(1024) 9 print(msg) 10 conn.close() 11 12 13 if __name__ == '__main__': 14 sk

python并发编程之IO模型,

了解新知识之前需要知道的一些知识 同步(synchronous):一个进程在执行某个任务时,另外一个进程必须等待其执行完毕,才能继续执行 #所谓同步,就是在发出一个功能调用时,在没有得到结果之前,该调用就不会返回.按照这个定义,其实绝大多数函数都是同步调用.但是一般而言,我们在说同步.异步的时候,特指那些需要其他部件协作或者需要一定时间完成的任务. #举例: #1. multiprocessing.Pool下的apply #发起同步调用后,就在原地等着任务结束,根本不考虑任务是在计算还是在io阻

python并发编程之IO模型

了解新知识之前需要知道的一些知识 同步(synchronous):一个进程在执行某个任务时,另外一个进程必须等待其执行完毕,才能继续执行 #所谓同步,就是在发出一个功能调用时,在没有得到结果之前,该调用就不会返回.按照这个定义,其实绝大多数函数都是同步调用.但是一般而言,我们在说同步.异步的时候,特指那些需要其他部件协作或者需要一定时间完成的任务. #举例: #1. multiprocessing.Pool下的apply #发起同步调用后,就在原地等着任务结束,根本不考虑任务是在计算还是在io阻