多进程基础, 主要是用了 multiprocessing模块 ：
在一个python进程中开启子进程，start方法和并发效果。
import time from multiprocessing import Process def f(name): print('hello', name) print('我是子进程') if __name__ == '__main__': p = Process(target=f, args=('bob',)) p.start() time.sleep(1) print('执行主进程的内容了')
多进程与PID
# 多个进程可以同时执行 并发 # 我们现在写的一个py文件就自己一个进程 同步执行代码 # 并发效果: # 在我们自己的一个py文件里 启动多个进程 # 多个进程之间 - 操作系统 # 如何在自己的py文件里 启动一个进程 import os import time from multiprocessing import Process def func(args): print(args) time.sleep(1) print('子进程', os.getpid()) print('子的父进程', os.getppid()) print('hahaha') if __name__ == '__main__': # windows下必须加这句 print('父进程',os.getpid()) p = Process(target=func,args=(555,)) # 注册 p 是一个进程对象 参数必须是元组 p.start() # 启动一个子进程 print('父父进程',os.getppid()) # 查看当前主进程的父过程 (当前pycharm的PID)
老师的：http://www.cnblogs.com/Eva-J/articles/8253549.html#_label2
join 感知进程结束
import time from multiprocessing import Process def func(arg1,arg2): print('*'*arg1) time.sleep(3) print('*'*arg2) if __name__ == '__main__': # windows下必须加这句 p = Process(target=func,args=(10,20)) p.start() print('hhhhhhhh') p.join() # 感知一个子进程的结束，将异步变为同步 print('=========== 运行结束.')
多个子进程写入文件：
import time import os from multiprocessing import Process # def func(arg1,arg2): # print(arg1) # time.sleep(2) # print('*'*arg2) # # # if __name__ == '__main__': # p_list = [] # for i in range(10): # p = Process(target=func,args=(10*i,6*i)) # p_list.append(p) # p.start() # # p.join() # [p.join() for p in p_list] # print('over.') def func(filename,content): with open(filename,'w') as f: f.write(str(content)) if __name__ == '__main__': # windows下必须加这句 p_list = [] for i in range(1,6): # 开5个子进程 p = Process(target=func,args=('info%s' %i,i)) p_list.append(p) p.start() [p.join() for p in p_list] # 最终每个进程写入一个文件 print(i for i in os.walk(r'F:python_s9练习py3s9day36 process'))
OOP方式 multiprocessing
import time import os from multiprocessing import Process # 自定义类，必须继承 Process class MyProcess(Process): def run(self): # 必须实现run方法，它是子进程中执行的代码 print(self.pid) print(self.name) print(os.getpid()) if __name__ == '__main__': # windows下必须加这句 print('master:',os.getpid()) p1 = MyProcess() p1.start() p2 = MyProcess() p2.start()
# 进程与进程之间 数据是完全隔离的。 import os from multiprocessing import Process def func(): global n n =0 print('pid: %s %s' % (os.getpid(), n)) if __name__ == '__main__': n =100 p = Process(target=func) p.start() p.join() print(os.getpid(),n)
守护进程：
# 子进程 -- > 守护进程 import time from multiprocessing import Process def func(): while True: time.sleep(0.2) print('我还活着') def func2(): print('in func2 start') time.sleep(3) print('in func2 finished') if __name__ == '__main__': p = Process(target=func) p.daemon = True # 设置子进程为守护进程 p.start() # i = 0 # while i<5: # print('我是socket server') # time.sleep(1) # i+=1 p2 = Process(target=func2) p2.start() p2.terminate() # 结束一个子进程 time.sleep(1) print(p2.is_alive()) # 检验一个进程是否还活着 print(p2.name) # 守护进程 会 随着 主进程的代码执行完毕 而 结束 # 在主进程内结束一个子进程 p.terminate() # 结束一个进程不是在执行方法之后立即生效,需要一个操作系统响应的过程 # 检验一个进程是否活着的状态 p.is_alive() # p.name p.pid 这个进程的名字和进程号
进程锁： lock.acquire()
# 进程锁 只在多进程时使用 # 火车票 import json import time from multiprocessing import Process from multiprocessing import Lock # def show(i): # with open('ticket') as f: # dic = json.load(f) # print('余票: %s'%dic['ticket']) def buy_ticket(i,lock): lock.acquire() # 进程锁 with open('ticket') as f: dic = json.load(f) time.sleep(0.1) if dic['ticket'] > 0 : dic['ticket'] -= 1 print(' 33[32m%s买到票了 33[0m'%i) else: print(' 33[31m%s没买到票 33[0m'%i) time.sleep(0.1) with open('ticket','w') as f: json.dump(dic,f) lock.release() # 释放锁 if __name__ == '__main__': # for i in range(10): # p = Process(target=show,args=(i,)) # p.start() lock = Lock() # 实例化锁 for i in range(10): p = Process(target=buy_ticket, args=(i,lock)) p.start()
ticket文件中只有：
{"ticket": 2}
来自 http://www.cnblogs.com/Eva-J/articles/8253549.html#_label2
多进程复习：
# 多进程代码 # from multiprocessing import Process # 方法 # 进程对象.start() 开启一个子进程 # 进程对象.join() 感知一个子进程的结束 # 进程对象.terminate() 结束一个子进程 # 进程对象.is_alive() 查看某个子进程是否还在运行 # 属性 # 进程对象.name 进程名 # 进程对象.pid 进程号 # 进程对象.daemon 值为True的时候,表示新的子进程是一个守护进程 # 守护进程 随着主进程代码的执行结束而结束 # 一定在start之前设置 # from multiprocessing import Lock # l = Lock() # l.acquire() # 拿钥匙 # 会造成数据不安全的操作 # l.release() # 还钥匙
子进程不能 input
from multiprocessing import Process def func(): num = input('>>>') # 子进程中不能 input 原因是主进程不能感知子进程的输入 print(num) if __name__ == '__main__': Process(target=func).start()
信号量：Semaphore
# 多进程中的组件 # ktv # 4个 # 一套资源 同一时间 只能被n个人访问 # 某一段代码 同一时间 只能被n个进程执行 import time import random from multiprocessing import Process, Semaphore # sem = Semaphore(4) # sem.acquire() # print('拿到第一把钥匙') # sem.acquire() # print('拿到第二把钥匙') # sem.acquire() # print('拿到第三把钥匙') # sem.acquire() # print('拿到第四把钥匙') # sem.acquire() # print('拿到第五把钥匙') def ktv(i,sem): sem.acquire() print('%s 走进ktv' %i) time.sleep(random.randint(1,5)) print('%s 离开' %i) sem.release() if __name__ == '__main__': sem = Semaphore(4) # 信号量4个 for i in range(20): p = Process(target=ktv,args=(i,sem)) p.start() # 用锁的原理实现的,内置了一个计数器 # 在同一时间 只能有指定数量的进程执行某一段被控制住的代码
事件：
# 通过一个信号 来控制 多个进程 同时 执行或者阻塞 # 事件 from multiprocessing import Event # 一个信号可以使所有的进程都进入阻塞状态 # 也可以控制所有的进程解除阻塞 # 一个事件被创建之后,默认是阻塞状态 # e = Event() # 创建了一个事件 # print(e.is_set()) # 查看一个事件的状态,默认被设置成阻塞 # e.set() # 将这个事件的状态改为True # print(e.is_set()) # e.wait() # 是依据e.is_set()的值来决定是否阻塞的 # print(123456) # e.clear() # 将这个事件的状态改为False # print(e.is_set()) # e.wait() # 等待 事件的信号被变成True # print('*'*10) # set 和 clear # 分别用来修改一个事件的状态 True或者False # is_set 用来查看一个事件的状态 # wait 是依据事件的状态来决定自己是否在wait处阻塞 # False阻塞 True不阻塞 # 红绿灯事件 import time import random from multiprocessing import Event,Process def cars(e,i): if not e.is_set(): print('car%i在等待'%i) e.wait() # 阻塞 直到得到一个 事件状态变成 True 的信号 print(' 33[0;32;40mcar%i通过 33[0m' % i) def light(e): while True: if e.is_set(): e.clear() print(' 33[31m红灯亮了 33[0m') else: e.set() print(' 33[32m绿灯亮了 33[0m') time.sleep(2) if __name__ == '__main__': e = Event() traffic = Process(target=light,args=(e,)) traffic.start() for i in range(20): car = Process(target=cars, args=(e,i)) car.start() time.sleep(random.random())
进程间通信——队列和管道（multiprocess.Queue、multiprocess.Pipe）
IPC(Inter-Process Communication) 进程间通信
队列
# 队列 先进先出 # IPC # 进程间通信 # from multiprocessing import Queue # q = Queue(5) # q.put(1) # q.put(2) # q.put(3) # q.put(4) # q.put(5) # print(q.full()) # 队列是否满了 # print(q.get()) # print(q.get()) # print(q.get()) # print(q.get()) # print(q.get()) # print(q.empty()) # while True: # try: # q.get_nowait() # except: # print('队列已空') # time.sleep(0.5) # for i in range(6): # q.put(i) from multiprocessing import Queue,Process def produce(q): q.put('hello') def consume(q): print(q.get()) if __name__ == '__main__': q = Queue() p = Process(target=produce,args=(q,)) p.start() c = Process(target=consume, args=(q,)) c.start()
# put 当队列满的时候阻塞等待队列有空位置
# get 当队列空的时候阻塞等待队列有数据
# full empty 这些判断不完全准确
Kafka, rabbitMQ, memcache 等消息中间件本质上都是一种队列。
生产者 消费者 模型
# 队列 # 生产者消费者模型 # 生产者 进程 # 消费者 进程 import time import random from multiprocessing import Process,Queue def consumer(q,name): while True: food = q.get() if food is None: print('%s获取到了一个空'%name) break print(' 33[31m%s消费了%s 33[0m' % (name,food)) time.sleep(random.randint(1,3)) def producer(name,food,q): for i in range(4): time.sleep(random.randint(1,3)) f = '%s生产了%s%s'%(name,food,i) print(f) q.put(f) if __name__ == '__main__': q = Queue(20) p1 = Process(target=producer,args=('Egon','包子',q)) p2 = Process(target=producer, args=('Bob','油条', q)) c1 = Process(target=consumer, args=(q,'Celen')) c2 = Process(target=consumer, args=(q,'Jerry')) p1.start() p2.start() c1.start() c2.start() p1.join() # 感知进程的结束 p2.join() q.put(None) q.put(None)
JoinableQueue 更好的方式，创建生产者消费者模型：
import time import random from multiprocessing import Process,JoinableQueue def consumer(q,name): while True: # 取不到数据一直阻塞 food = q.get() print(' 33[31m%s消费了%s 33[0m' % (name,food)) time.sleep(random.randint(1,3)) q.task_done() # count - 1 def producer(name,food,q): for i in range(4): time.sleep(random.randint(1,3)) f = '%s生产了%s%s'%(name,food,i) print(f) q.put(f) q.join() # 阻塞 直到一个队列中的所有数据 全部被处理完毕, 进程才会结束 # 只有 JoinableQueue 的 q 才能有此功能 if __name__ == '__main__': q = JoinableQueue(20) # 使用更高级的方式代替Queue p1 = Process(target=producer,args=('生产部','PCB',q)) p2 = Process(target=producer, args=('研发部','主机', q)) c1 = Process(target=consumer, args=(q,'Jerry')) c2 = Process(target=consumer, args=(q,'Tom')) p1.start() p2.start() c1.daemon = True # 设置为守护进程 主进程中的代码执行完毕之后,子进程自动结束 c2.daemon = True c1.start() c2.start() p1.join() p2.join() # 感知一个进程的结束 ### 执行过程： # 在消费者这一端: # 每次获取一个数据 # 处理一个数据 # 发送一个记号 : 标志一个数据被处理成功 # 在生产者这一端: # 每一次生产一个数据, # 且每一次生产的数据都放在队列中 # 在队列中刻上一个记号 # 当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的记号都被消费完 # 当数据都被处理完时,join阻塞结束 # 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 # 主进程中的p.join结束 # 主进程中代码结束 # 守护进程(消费者的进程)结束
# get task_done
# put join
管道：
from multiprocessing import Pipe,Process ## 例一： # con1,con2 = Pipe() # 一个管道两个口 # con1.send('32222') # 管道的一头发送 # print(con2.recv()) # 另一头接收 ## 例二： # def demo(conn): # conn.send('are you ok?') # # if __name__ == '__main__': # conn1,conn2 = Pipe() # Process(target=demo,args=(conn1,)).start() # print('conn2 recv:', conn2.recv()) # 接收也不必写长度，不会黏包 ## 例三： # def demo(conn): # while 1: # 一直接收 # msg = conn.recv() # if msg is None:break # print(msg) # # if __name__ == '__main__': # conn1,conn2 = Pipe() # Process(target=demo,args=(conn1,)).start() # for i in range(20): # conn2.send('这是测试') # 发送完会阻塞 # conn2.send(None) # 发送结束符号 ## 例四： def func(conn1,conn2): conn2.close() # 子进程管道关闭不会影响主进程 while True: try : msg = conn1.recv() print('conn1:', msg) except EOFError: # 没数据可取时，主动抛出的异常 conn1.close() break if __name__ == '__main__': conn1, conn2 = Pipe() Process(target=func,args = (conn1,conn2)).start() conn1.close() # 主进程的管道关闭不会影响子进程 for i in range(20): conn2.send('吃了么') conn2.close() # 发送完成后关闭
管道实现 生产者、消费者模型
import time import random # from multiprocessing import Pipe,Process # # def producer(con,pro,name,food): # con.close() # for i in range(4): # time.sleep(random.randint(1, 3)) # f = '%s生产%s%s'%(name,food,i) # print(f) # pro.send(f) # pro.close() # # def consumer(con,pro,name): # pro.close() # while True: # try: # food = con.recv() # print('%s吃了%s' % (name, food)) # time.sleep(random.randint(1,3)) # except EOFError: # con.close() # break # # # 简单的一对一 # if __name__ == '__main__': # con,pro = Pipe() # p = Process(target=producer,args=(con,pro,'Jinhua','火腿')) # p.start() # c = Process(target=consumer, args=(con, pro, 'Lin')) # c.start() # con.close() # pro.close() from multiprocessing import Pipe,Process,Lock 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() # 加锁 避免多个进程拿同一个数据 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,'Jinhua','火腿')) c1 = Process(target=consumer, args=(con, pro, 'Lin',lock)) c2 = Process(target=consumer, args=(con, pro, 'Wang',lock)) c3 = Process(target=consumer, args=(con, pro, 'Zhao',lock)) c1.start() c2.start() c3.start() p.start() con.close() pro.close() # pipe 数据不安全性 # IPC # 加锁来控制操作管道的行为 来避免多个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 # 队列 = 管道 + 锁 # 所以，用队列比较方便，管道是更底层的，还需要自己加锁
进程间的数据共享 Manager
# from multiprocessing import Manager,Process # def main(dic): # dic['count'] -= 1 # print(dic) # # if __name__ == '__main__': # m = Manager() # dic=m.dict({'count':100}) # p_lst = [] # p = Process(target=main, args=(dic,)) # p.start() # p.join() # print('主进程', dic) from multiprocessing import Manager,Process,Lock def main(dic,lock): lock.acquire() dic['count'] -= 1 lock.release() if __name__ == '__main__': m = Manager() # 进程间的数据共享 l = Lock() dic=m.dict({'count':100}) p_lst = [] for i in range(50): p = Process(target=main,args=(dic,l)) p.start() p_lst.append(p) for i in p_lst: i.join() # 等待子进程结束 print('主进程',dic)
进程池
# 为什么会有进程池的概念 # 效率 # 每开启进程,开启属于这个进程的内存空间 # 寄存器 堆栈 文件 # 进程过多 操作系统的调度 # 进程池 # python中的 先创建一个属于进程的池子 # 这个池子指定能存放n个进程 # 先将这些进程创建好 进程超过5个建议使用进程池 # 更高级的进程池 比如动态增加的 python中没有 # n,m # 3 三个进程 # + 进程 # 20 20个 # import time # from multiprocessing import Pool,Process # def func(n): # for i in range(5): # print(n+1) # # if __name__ == '__main__': # pool = Pool(5) # 5个进程 # pool.map(func,range(100)) # 100个任务 import time from multiprocessing import Pool,Process def func(n): for i in range(10): print(n+1) if __name__ == '__main__': start = time.time() pool = Pool(5) # 5个进程 pool.map(func,range(100)) # 100个任务 t1 = time.time() - start start = time.time() p_lst = [] for i in range(100): p = Process(target=func,args=(i,)) p_lst.append(p) p.start() for p in p_lst :p.join() t2 = time.time() - start print(t1,t2) ## 进程池的好处就是用少的进程干更多的活。一般创建CPU+1个进程 # import time # from multiprocessing import Pool,Process # def func(n): # for i in range(10): # print(n+1) # # def func2(n): # n[0] # n[1] # for i in range(10): # print(n+2) # if __name__ == '__main__': # start = time.time() # pool = Pool(5) # 5个进程 # pool.map(func,range(100)) # 100个任务 # pool.map(func2,[('alex',1),'egon']) # map第二个参数必须是可迭代, 异步且自带join方法 # t1 = time.time() - start # # start = time.time() # p_lst = [] # for i in range(100): # 起100个进程的时候，效率反而降低了。 # p = Process(target=func,args=(i,)) # p_lst.append(p) # p.start() # for p in p_lst :p.join() # t2 = time.time() - start # print(t1,t2)
进程池中的 apply_async 异步执行
import os import time from multiprocessing import Pool def func(n): print('start func%s'%n,os.getpid()) time.sleep(1) print('end func%s' % n,os.getpid()) if __name__ == '__main__': p = Pool(5) # 一般起cpu +1 个进程 for i in range(10): # p.apply(func,args=(i,)) # 同步方式执行 p.apply_async(func,args=(i,)) # 异步 p.close() # 结束进程池接收任务 p.join() # 感知进程池中的任务执行结束
进程池的返回值
# p = Pool() # p.map(funcname,iterable) 默认异步的执行任务,且自带close和join # p.apply 同步调用的 # p.apply_async 异步调用 和主进程完全异步 需要手动close 和 join # from multiprocessing import Pool # # def func(i): # return i**2 # # if __name__ == '__main__': # p = Pool(5) # for i in range(10): # res = p.apply(func,args=(i,)) # print(res) # apply的结果就是func的返回值 # import time # from multiprocessing import Pool # # def func(i): # time.sleep(0.5) # return i*i # # if __name__ == '__main__': # p = Pool(5) # for i in range(10): # res = p.apply_async(func,args=(i,)) # apply的结果就是func的返回值 # print(res.get()) # get 等着 func的计算结果 导致阻塞 # import time # from multiprocessing import Pool # # def func(i): # time.sleep(0.5) # return i*i # # if __name__ == '__main__': # p = Pool(5) # res_l = [] # for i in range(10): # res = p.apply_async(func,args=(i,)) # apply的结果就是func的返回值 # res_l.append(res) # for res in res_l:print(res.get()) # 每组5个出现 import time from multiprocessing import Pool def func(i): time.sleep(0.5) return i*i if __name__ == '__main__': p = Pool(5) ret = p.map(func,range(10)) # map 自带join 和 close print(ret) # 得到list
进程池的回调函数
# 回调函数 # import os # from multiprocessing import Pool # # def func1(n): # print('in func1',os.getpid()) # return n*n # # def func2(nn): # print('in func2',os.getpid()) # print('func2 res:', nn) # # if __name__ == '__main__': # print('主进程 :',os.getpid()) # p = Pool(5) # p.apply_async(func1,args=(10,),callback=func2) # 回到主进程中执行 # p.close() # p.join() import os from multiprocessing import Pool def func1(n): print('in func1',os.getpid()) return n*n def func2(nn): print('in func2',os.getpid()) print('f2 结果:', nn) if __name__ == '__main__': print('主进程 :',os.getpid()) p = Pool(5) for i in range(10): # 多个子进程 p.apply_async(func1,args=(10,),callback=func2) p.close() p.join()