一:管道 (了解)
使用:from multiprocessing import Process,Pipe
知识:
1 创建管道时候:Pipe()默认是双工的,如改成False,那么conn1只能接收,conn2只能发送。
conn1,conn2=Pipe()
2 Pipe模块发送字符串不用bytes类型,直接是字符串类型。
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设置成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。
进程之间一个接收信息,一个发送消息
# from multiprocessing import Process,Pipe # def func(conn): # conn.send(‘hello‘) # conn.close() # if __name__==‘__main__‘:#判断是否是当前文件的文件名,如果是执行下面 # conn1,conn2=Pipe() # p=Process(target=func,args=(conn1,)) # p.start() # print(conn2.recv()) # # conn2.close() 注意 这个不写,我是写的错误的,这行去掉 # p.join()
打印结果:一个hello
如果是进程之间接收多条消息的时候,不是一条,需要传递多个对象(形参是两个),执行一个时候,另一个关闭。
from multiprocessing import Process,Pipe def func(conn1,conn2): conn2.close() while True: try: msg=conn1.recv() print(msg) except EOFError: conn1.close() break if __name__==‘__main__‘: conn1,conn2=Pipe() Process(target=func,args=(conn1,conn2)).start() conn1.close() for i in range(20): conn2.send(‘hello‘) conn2.close()
打印结果:20个hello
pipe实现生产者消费者模型(主进程与子进程接发消息)
# pipe实现生产者消费者模型 from multiprocessing import Lock,Pipe,Process def producer(con,pro,name,food): con.close() for i in range(100): f = ‘%s生产%s%s‘%(name,food,i) print(f) pro.send(f) pro.send(None) pro.send(None) pro.send(None) pro.close() def consumer(con,pro,name,lock): pro.close() while True: lock.acquire() food = con.recv() lock.release() if food is None: con.close() break print(‘%s吃了%s‘ % (name, food)) if __name__ == ‘__main__‘: con,pro = Pipe() lock= Lock() p = Process(target=producer,args=(con,pro,‘egon‘,‘泔水‘)) c1 = Process(target=consumer, args=(con, pro, ‘alex‘,lock)) c2 = Process(target=consumer, args=(con, pro, ‘bossjin‘,lock)) c3 = Process(target=consumer, args=(con, pro, ‘wusir‘,lock)) c1.start() c2.start() c3.start() p.start() con.close() pro.close()
注意:一定要用锁来控制。
#多个消费之之间的竞争问题带来的数据不安全问题 from multiprocessing import Process,Pipe,Lock def consumer(produce, consume,name,lock): 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(produce, consume,n): 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,30)) c1.start() c2.start() p1.start() produce.close() consume.close()
注意:pipe 数据不安全性,一般我们用joinableQueue来实现生产模型
# pipe 数据不安全性 # IPC # 加锁来控制操作管道的行为 来避免进程之间争抢数据造成的数据不安全现象 # 队列 进程之间数据安全的 # 管道 + 锁
进程池:重点
进程池和multiprocess.Pool模块 重点
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。
简而言之:创建一个进程池处理多个任务,当进程池有任务时候,分批处理(比如进程池设置为5,每次处理5个任务,只有当任务处理完毕才能执行下一个任务)。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。
如何创建?
Pool([numprocess [,initializer [, initargs]]]):创建进程池
参数介绍:
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
主要方法
p.apply一般用于同步。
p.apply_asyn 一般用于异步
# 方法介绍 # 1 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。 # 2 ‘‘‘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()‘‘‘ # 3 # 4 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。 # 5 ‘‘‘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。‘‘‘ # 6 # 7 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 # 8 # 9 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(了解)
其其他方法(了解) # 1 # 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 # 2 # 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。 # 3 # obj.ready(): 如果调用完成,返回True # 4 # 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 # 5 # obj.wait([timeout]): 等待结果变为可用。 # 6 # 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
例子:
#进程池的同步调用
#进程池的同步调用 import os,time#引入系统模块和时间模块 from multiprocessing import Pool#引入进程池模块 def work(n):#定义一个函数 print(‘%s run‘ %os.getpid())#打印id time.sleep(3)#睡3秒 return n**2#返回一个n平方 if __name__ == ‘__main__‘:#如果文件名等于当前文件名 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=[]#创建一个列表 for i in range(10):#循环十个数 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 res_l.append( ) 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)#打印列表
打印结果:
9656 run
6536 run
1492 run
9656 run
6536 run
1492 run
9656 run
6536 run
1492 run
9656 run
[]
想要有返回值,就在列表添加res,就能打印[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
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
注意:不管是同步还是异步都有返回值。
原文地址:https://www.cnblogs.com/12121wdw/p/8666206.html