python中的多线程其实并不是真正的多线程，如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing，只需要定义一个函数，Python会完成其他所有事情。借助这个包，可以轻松完成从单进程到并发执行的转换。multiprocessing支持子进程、通信和共享数据、执行不同形式的同步，提供了Process、Queue、Pipe、Lock等组件。
1、Process
创建进程的类：Process([group[,target[,name[,args[,kwargs]]]]])，target表示调用对象，args表示调用对象的位置参数元组。kwargs表示调用对象的字典。name为别名。group实质上不使用。
方法：is_alive()、join([timeout])、run()、start()、terminate()。其中，Process以start()启动某个进程。
属性：authkey、daemon（要通过start()设置）、exitcode(进程在运行时为None、如果为–N，表示被信号N结束）、name、pid。其中daemon是父进程终止后自动终止，且自己不能产生新进程，必须在start()之前设置。
1.1 创建函数并将其作为单个进程
import multiprocessing
import time,os
def worker(interval):
n = 5
while n > 0:
print("[%s] The time is %s" %(os.getpid(),time.ctime()))
time.sleep(interval)
n -= 1
if __name__ == "__main__":
p = multiprocessing.Process(target = worker, args = (3,))
p.start()
print("主进程PID：%s" %os.getpid())
print("p.pid:", p.pid)
print("p.name:", p.name)
print("p.is_alive:", p.is_alive())
执行结果：
主进程PID：17476 p.pid: 16476 p.name: Process-1 p.is_alive: True [16476] The time is Thu Aug 31 16:23:04 2017 [16476] The time is Thu Aug 31 16:23:08 2017 [16476] The time is Thu Aug 31 16:23:11 2017 [16476] The time is Thu Aug 31 16:23:14 2017 [16476] The time is Thu Aug 31 16:23:17 2017
1.2 创建函数并将其作为多个进程
import multiprocessing
import time,os
def worker_1(interval):
print("[%s] worker_1" % os.getpid())
time.sleep(interval)
print("[%s] end worker_1" % os.getpid())
def worker_2(interval):
print("[%s] worker_2" % os.getpid())
time.sleep(interval)
print("[%s] end worker_2" % os.getpid())
def worker_3(interval):
print("[%s] worker_3" % os.getpid())
time.sleep(interval)
print("[%s] end worker_3" % os.getpid())
if __name__ == "__main__":
p1 = multiprocessing.Process(target = worker_1, args = (2,))
p2 = multiprocessing.Process(target = worker_2, args = (3,))
p3 = multiprocessing.Process(target = worker_3, args = (4,))
p1.start()
p2.start()
p3.start()
print("The number of CPU is: %s" %(multiprocessing.cpu_count()))
for p in multiprocessing.active_children():
print("child p.name：%s\tp.id：%s" %(p.name,p.pid))
print("END!!!!!!!!!!!!!!!!!")
执行结果：
The number of CPU is: 2 child p.name：Process-2 p.id：15948 child p.name：Process-3 p.id：11792 child p.name：Process-1 p.id：2648 END!!!!!!!!!!!!!!!!! [11792] worker_3 [2648] worker_1 [15948] worker_2 [2648] end worker_1 [15948] end worker_2 [11792] end worker_3
1.3：将进程定义为类
import multiprocessing
import time,os
class ClockProcess(multiprocessing.Process):
def __init__(self, interval):
multiprocessing.Process.__init__(self)
self.interval = interval
def run(self):
n = 5
while n > 0:
print("[%s] the time is %s" %(os.getpid(),time.ctime()))
time.sleep(self.interval)
n -= 1
if __name__ == ‘__main__‘:
p = ClockProcess(3)
p.start()
注：进程p调用start()时，自动调用run()
执行结果：
[2128] the time is Thu Aug 31 16:38:30 2017 [2128] the time is Thu Aug 31 16:38:33 2017 [2128] the time is Thu Aug 31 16:38:36 2017 [2128] the time is Thu Aug 31 16:38:39 2017 [2128] the time is Thu Aug 31 16:38:42 2017
1.4 daemon程序对比结果
（1）不加daemon属性
import multiprocessing
import time,os
def worker(interval):
print("[%s] work start：%s " %(os.getpid(),time.ctime()))
time.sleep(interval)
print("[%s] work end：%s " % (os.getpid(), time.ctime()))
if __name__ == "__main__":
p = multiprocessing.Process(target = worker, args = (3,))
p.start()
print("主进程PID：%s" %os.getpid())
执行结果：
主进程PID：7724
[3728] work start：Thu Aug 31 16:44:14 2017 [3728] work end：Thu Aug 31 16:44:17 2017
（2）加上daemon属性
import multiprocessing
import time,os
def worker(interval):
print("[%s] work start：%s " %(os.getpid(),time.ctime()))
time.sleep(interval)
print("[%s] work end：%s " % (os.getpid(), time.ctime()))
if __name__ == "__main__":
p = multiprocessing.Process(target = worker, args = (3,))
p.daemon = True
p.start()
print("主进程PID：%s" %os.getpid())
执行结果：
主进程PID：13700
注意：因子进程设置了daemon属性（守护进程），主进程结束，它们就随着结束了。
（3）设置daemon执行完结束的方法
import multiprocessing
import time,os
def worker(interval):
print("[%s] work start：%s " %(os.getpid(),time.ctime()))
time.sleep(interval)
print("[%s] work end：%s " % (os.getpid(), time.ctime()))
if __name__ == "__main__":
p = multiprocessing.Process(target = worker, args = (3,))
p.daemon = True
p.start()
p.join()
print("主进程PID：%s" %os.getpid())
执行结果：
[9600] work start：Thu Aug 31 16:46:10 2017 [9600] work end：Thu Aug 31 16:46:13 2017 主进程PID：14184
注意：p.join()为主进程等待p进程结束后再往下执行，下面有详细说明
2、Lock
当多个进程需要访问共享资源的时候，Lock可以用来避免访问的冲突。
import multiprocessing
import sys, os
def worker_with(lock, f):
with lock:
with open(f, ‘a+‘) as fs:
n = 10
while n > 1:
fs.write("[%s] Lockd acquired via with\n" %os.getpid())
n -= 1
def worker_no_with(lock, f):
lock.acquire()
try:
with open(f, ‘a+‘) as fs:
n = 10
while n > 1:
fs.write("[%s] Lock acquired directly\n" %os.getpid())
n -= 1
finally:
lock.release()
if __name__ == "__main__":
lock = multiprocessing.Lock()
f = "file.txt"
w = multiprocessing.Process(target=worker_with, args=(lock, f))
nw = multiprocessing.Process(target=worker_no_with, args=(lock, f))
w.start()
nw.start()
print("主进程PID：%s" % os.getpid())
执行结果（输出文件）
[1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1872] Lockd acquired via with [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly [1512] Lock acquired directly
3. Semaphore
Semaphore用来控制对共享资源的访问数量，例如池的最大连接数。
import multiprocessing
import time,os
def worker(s, i):
s.acquire()
print("[%s]\t%s acquire" %(os.getpid(),multiprocessing.current_process().name))
time.sleep(i)
print("[%s]\t%s release" %(os.getpid(),multiprocessing.current_process().name))
s.release()
if __name__ == "__main__":
s = multiprocessing.Semaphore(2)
for i in range(5):
p = multiprocessing.Process(target = worker, args=(s, i*2))
p.start()
print("主进程PID：%s" % os.getpid())
执行结果：
主进程PID：11428 [12276] Process-2 acquire [6352] Process-4 acquire [12276] Process-2 release [3948] Process-3 acquire [6352] Process-4 release [9400] Process-5 acquire [3948] Process-3 release [1392] Process-1 acquire [1392] Process-1 release [9400] Process-5 release
4、Event
Event用来实现进程间同步通信。
import multiprocessing
import time,os
def wait_for_event(e):
print("wait_for_event: starting")
e.wait()
print("wairt_for_event: e.is_set() -> %s" %str(e.is_set()))
def wait_for_event_timeout(e, t):
print("wait_for_event_timeout:starting")
e.wait(t)
print("wait_for_event_timeout:e.is_set -> %s" %str(e.is_set()))
if __name__ == "__main__":
e = multiprocessing.Event()
w1 = multiprocessing.Process(name = "block",
target = wait_for_event,
args = (e,))
w2 = multiprocessing.Process(name = "non-block",
target = wait_for_event_timeout,
args = (e, 2))
w1.start()
w2.start()
time.sleep(3)
e.set()
print("主进程PID：%s" % os.getpid())
print("main: event is set")
执行结果：
wait_for_event: starting wait_for_event_timeout:starting wait_for_event_timeout:e.is_set -> False wairt_for_event: e.is_set() -> True 主进程PID：9444 main: event is set
5、Queue
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。put方法用以插入数据到队列中，put方法还有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，该方法会阻塞timeout指定的时间，直到该队列有剩余的空间。如果超时，会抛出Queue.Full异常。如果blocked为False，但该Queue已满，会立即抛出Queue.Full异常。
get方法可以从队列读取并且删除一个元素。同样，get方法有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，那么在等待时间内没有取到任何元素，会抛出Queue.Empty异常。如果blocked为False，有两种情况存在，如果Queue有一个值可用，则立即返回该值，否则，如果队列为空，则立即抛出Queue.Empty异常。Queue的一段示例代码：
import multiprocessing
def writer_proc(q): try: q.put(1, block = False) except: pass def reader_proc(q): try: print(q.get(block = False)) except: pass if __name__ == "__main__": q = multiprocessing.Queue() writer = multiprocessing.Process(target=writer_proc, args=(q,)) writer.start() reader = multiprocessing.Process(target=reader_proc, args=(q,)) reader.start() reader.join() writer.join()
执行结果：
1
6、Pipe
Pipe方法返回(conn1,conn2)代表一个管道的两个端。Pipe方法有duplex参数，如果duplex参数为True(默认值)，那么这个管道是全双工模式，也就是说conn1和conn2均可收发。duplex为False，conn1只负责接受消息，conn2只负责发送消息。
send和recv方法分别是发送和接受消息的方法。例如，在全双工模式下，可以调用conn1.send发送消息，conn1.recv接收消息。如果没有消息可接收，recv方法会一直阻塞。如果管道已经被关闭，那么recv方法会抛出EOFError。
import multiprocessing
import time
def proc1(pipe):
while True:
for i in range(10):
print("send: %s" %(i))
pipe.send(i)
time.sleep(1)
def proc2(pipe):
while True:
print("proc2 rev:", pipe.recv())
time.sleep(1)
def proc3(pipe):
while True:
print("PROC3 rev:", pipe.recv())
time.sleep(1)
if __name__ == "__main__":
pipe = multiprocessing.Pipe()
p1 = multiprocessing.Process(target=proc1, args=(pipe[0],))
p2 = multiprocessing.Process(target=proc2, args=(pipe[1],))
p1.start()
p2.start()
p1.join()
p2.join()
7、Pool
在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。
Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。
7.1 使用进程池（非阻塞）
import multiprocessing
import time
def func(msg):
print("msg:", msg)
time.sleep(3)
print("end")
if __name__ == "__main__":
pool = multiprocessing.Pool(processes = 3)
for i in range(4):
msg = "hello %d" %(i)
pool.apply_async(func, (msg, )) # 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
print("Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~")
pool.close()
pool.join() # 调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
print("Sub-process(es) done.")
执行结果：
Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~ msg: hello 0 msg: hello 1 msg: hello 2 end msg: hello 3 end end end Sub-process(es) done.
函数解释：
apply_async(func[,args[,kwds[,callback]]])它是非阻塞，apply(func[,args[,kwds]])是阻塞的（理解区别，看例1例2结果区别）
close()关闭pool，使其不在接受新的任务。
terminate()结束工作进程，不在处理未完成的任务。
join()主进程阻塞，等待子进程的退出， join方法要在close或terminate之后使用。
执行说明：创建一个进程池pool，并设定进程的数量为3，xrange(4)会相继产生四个对象[0, 1, 2, 4]，四个对象被提交到pool中，因pool指定进程数为3，所以0、1、2会直接送到进程中执行，当其中一个执行完事后才空出一个进程处理对象3，所以会出现输出“msg: hello 3”出现在"end"后。因为为非阻塞，主函数会自己执行自个的，不搭理进程的执行，所以运行完for循环后直接输出“mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~”，主程序在pool.join（）处等待各个进程的结束。
7.2 使用进程池（阻塞）
import multiprocessing
import time
def func(msg):
print("msg:", msg)
time.sleep(3)
print("end")
if __name__ == "__main__":
pool = multiprocessing.Pool(processes = 3)
for i in range(4):
msg = "hello %d" %(i)
pool.apply(func, (msg, )) # 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
print("Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~")
pool.close()
pool.join() #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
print("Sub-process(es) done.")
执行结果:
msg: hello 0 end msg: hello 1 end msg: hello 2 end msg: hello 3 end Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~ Sub-process(es) done.
7.3 使用进程池，并关注结果
import multiprocessing
import time
def func(msg):
print("msg:", msg)
time.sleep(3)
print("end")
return "done" + msg
if __name__ == "__main__":
pool = multiprocessing.Pool(processes=4)
result = []
for i in range(3):
msg = "hello %d" %(i)
result.append(pool.apply_async(func, (msg, )))
pool.close()
pool.join()
for res in result:
print(":::", res.get())
print("Sub-process(es) done.")
执行结果：
msg: hello 0 msg: hello 1 msg: hello 2 end end end ::: donehello 0 ::: donehello 1 ::: donehello 2 Sub-process(es) done.
7.4 使用多个进程池
import multiprocessing
import os, time, random
def Lee():
print
"\nRun task Lee-%s" % (os.getpid()) # os.getpid()获取当前的进程的ID
start = time.time()
time.sleep(random.random() * 10) # random.random()随机生成0-1之间的小数
end = time.time()
print(‘Task Lee, runs %0.2f seconds.‘ % (end - start))
def Marlon():
print("\nRun task Marlon-%s" % (os.getpid()))
start = time.time()
time.sleep(random.random() * 40)
end = time.time()
print(‘Task Marlon runs %0.2f seconds.‘ % (end - start))
def Allen():
print("\nRun task Allen-%s" % (os.getpid()))
start = time.time()
time.sleep(random.random() * 30)
end = time.time()
print(‘Task Allen runs %0.2f seconds.‘ % (end - start))
def Frank():
print("\nRun task Frank-%s" % (os.getpid()))
start = time.time()
time.sleep(random.random() * 20)
end = time.time()
print(‘Task Frank runs %0.2f seconds.‘ % (end - start))
if __name__ == ‘__main__‘:
function_list = [Lee, Marlon, Allen, Frank]
print("parent process %s" % (os.getpid()))
pool = multiprocessing.Pool(4)
for func in function_list:
pool.apply_async(func) # Pool执行函数，apply执行函数,当有一个进程执行完毕后，会添加一个新的进程到pool中
print(‘Waiting for all subprocesses done...‘)
pool.close()
pool.join() # 调用join之前，一定要先调用close() 函数，否则会出错, close()执行后不会有新的进程加入到pool,join函数等待素有子进程结束
print(‘All subprocesses done.‘)
执行结果：
parent process 10992 Waiting for all subprocesses done... Run task Marlon-12828 Run task Allen-12880 Run task Frank-784 Task Lee, runs 7.22 seconds. Task Frank runs 11.81 seconds. Task Marlon runs 14.34 seconds. Task Allen runs 21.21 seconds. All subprocesses done.
时间： 2024-10-19 01:55:06