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，提供了Process、Queue、Pipe、Lock等组件。
需要再次强调的一点是：与线程不同，进程没有任何共享状态，进程修改的数据，改动仅限于该进程内。
二 Process类的介绍
from multiprocessing import Process
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(目标,对象) 函数的位置参数,是一个元祖形式,必须有逗号
参数介绍:
1.group 参数未使用,值始终设计 None
2.target 表示调用对象,即子进程要执行的任务
3.args 表示调用对象的位置参数,元祖类型,必须带 逗号 args = (1,)
4.kwargs 表示调用对象的字典 kwargs = {"n":1}
5.name 为子进程的名称
方法介绍:
1.p.start() 启动进程,并调用该进程中的 p.run()
2.p.run() 进程启动运行的方法,正是他去调用 target 指定的函数,我们自定义类的类中一定要实现该方法
3.p.termibate() 强制终止进程p ,不会进行任何清理操作,如果p创造了子进程,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还保留了一个锁,那么也不会被释放,进而导致死锁
4.p.is_alive() 如果 P 仍然运行,返回 True
5.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:
1.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,并且设置为 True 后,
p 不能创建自己的新进程,必须在 p.start()之前设置
2.p.name 进程的mc
3.p.pid 进程的 pid
4.p.exitcode 进程在运行时为None,如果为 -N,表示被信号 N 结束
5.p.authkey 进程的身份证键,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型,
这类连接只有在具有相同的身份验证键时才能成功(就是两台计算机之间通信之间的安全验证)
三Process类的使用
注意: 在Windows 中的 Process() 必须放在 if__name__= = "__main__": 下
Since Windows has no fork, the multiprocessing module starts a new Python process and imports the calling module. If Process() gets called upon import, then this sets off an infinite succession of new processes (or until your machine runs out of resources). This is the reason for hiding calls to Process() inside if __name__ == "__main__" since statements inside this if-statement will not get called upon import. 由于Windows没有fork，多处理模块启动一个新的Python进程并导入调用模块。 如果在导入时调用Process（），那么这将启动无限继承的新进程（或直到机器耗尽资源）。 这是隐藏对Process（）内部调用的原，使用if __name__ == “__main __”，这个if语句中的语句将不会在导入时被调用
1.创建开启子进程的两种方式
from multiprocessing import Process import time class MyProcess(Process): def __init__(self,a): super().__init__() self.a = a def run(self): print("%s is start " % self.a) time.sleep(2) print("%s is end" % self.a) if __name__ == '__main__': p = MyProcess("哈哈哥") p.start() print("我是主程序.....") # 运行结果是: # 我是主程序..... # 哈哈哥 is start # 这里停顿 2秒 # 哈哈哥 is end
2.验证进程之间的空间隔离
a = 200 def func(): global a a = 100 print(a) print(a) func() print(a) # 函数的运行结果是: # 200 # 100 # 100 from multiprocessing import Process import time a = 200 def func(): global a a = 100 print(a) if __name__ == '__main__': p = Process(target = func) p.start() time.sleep(3) print(a) # 200 # 100 # 100 # 200 # 100 # 100 # 这里停顿 3秒 # 100 # 200 # 为什么会打印这么多呢?? # 因为在 p.start() 的时候,在内存中 copy了一份主程序,子进程执行的内容 # 是 copy的 内容,程序从上到下执行
3.进程对象的 join 方法
不可取的方法
from multiprocessing import Process import time # 怎么实现 父进程 等 子进程 结束之后再执行?? # 方法一,sleep 方法,给子进程 一点运行时间,但是这样的方法不可取, # 开发中不能写 sleep 的方法,除非 极特殊的情况 def task(a): print("子进程结束了...",a) if __name__ == '__main__': p = Process(target = task,args = ("哈哈哥",)) p.start() time.sleep(3) print("主进程要结束了.....") # 1.你在程序中故意加sleep极大影响程序的效率 # 2.sleep(3)只是虚拟子进程运行的时间 # 子进程运行完毕的时间是不固定的
from multiprocessing import Process import time # 怎么实现 父进程 等 子进程 结束之后再执行?? # 方法二 ,join 的 奇妙 用法 def task(a): print("子进程开始了..") time.sleep(2) print("子进程结束了...",a) if __name__ == '__main__': p = Process(target = task,args = ("哈哈哥",)) p.start() p.join() # 等待子进程结束了才运行下面的进程 print("主进程要结束了.....")
from multiprocessing import Process import time def task(a): print("子进程开始了..") time.sleep(2) print("子进程结束了...",a) if __name__ == '__main__': p1 = Process(target = task,args = ("哈哈哥",)) p2 = Process(target = task,args = ("哈哈哥",)) p1.start() p1.join() # 把下面的进程 看做为主进程 p2.start() p2.join() print("主进程要结束了.....") # 结果是: # 子进程开始了.. # 子进程结束了... 哈哈哥 # 子进程开始了.. # 子进程结束了... 哈哈哥 # 主进程要结束了..... # 这里 程序 是 自上而下 一步一步来的,join把它 下面的进程看做主进程 # 这样就实现了 串行 的效果 from multiprocessing import Process import time def task(a): print("子进程开始了..") time.sleep(2) print("子进程结束了...",a) if __name__ == '__main__': p1 = Process(target = task,args = ("哈哈哥",)) p2 = Process(target = task,args = ("哈哈哥",)) p1.start() p2.start() p1.join() # 把下面的进程 看做为主进程 p2.join() print("主进程要结束了.....") # 结果是: # 子进程开始了.. # 子进程开始了.. # 子进程结束了... 哈哈哥 # 子进程结束了... 哈哈哥 # 主进程要结束了..... # 这样的 结果是,实现了 并发 的 效果 from multiprocessing import Process import time def task(a): print("子进程开始了..") time.sleep(2) print("子进程结束了...",a) if __name__ == '__main__': lst = [] for i in range(1,3): p = Process(target = task,args = ("哈哈哥%s" % i,)) lst.append(p) p.start() for el in lst: el.join() print("主进程要结束了.....") # 结果是: # 子进程开始了.. # 子进程开始了.. # 子进程结束了... 哈哈哥2 # 子进程结束了... 哈哈哥1 # 主进程要结束了..... # 这就是 利用 for 循环 来实现 并发的 效果的
四 进程对象的其他属性
from multiprocessing import Process import time import os def task(a): print("子进程开始了..") time.sleep(2) print("子进程结束了%s..."% a,os.getpid(),os.getppid()) # 在函数中查看 子进程的 pid 和 查看 主进程的 ppid if __name__ == '__main__': p = Process(target = task,args = ("哈哈哥",),name = "张敏") # name 是为 子进程 起名字 p1 = Process(target = task,args = ("哈哈哥",)) print(p.name) print(p1.name) p.start() p1.start() print("p的 pid",p.pid) # 查看当前运行的 p 子进程的 pid ,没有 p.start() 就是 NOne print("p1的pid",p1.pid) print("主进程要结束了.....") print(os.getpid()) # 查看 当前 主程序的 pid # 运行结果是: # 张敏 # Process-2 # p的 pid 6052 # p1的pid 6960 # 主进程要结束了..... # 7896 # 子进程开始了.. # 子进程开始了.. # 子进程结束了哈哈哥... 6052 7896 # 子进程结束了哈哈哥... 6960 7896 from multiprocessing import Process import time import os def task(a): print("子进程开始了..") time.sleep(5) print("子进程结束了%s..."% a,os.getpid(),os.getppid()) # 在函数中查看 子进程的 pid 和 查看 主进程的 ppid if __name__ == '__main__': p = Process(target = task,args = ("哈哈哥",),name = "张敏") p.start() # 发送请求 p.terminate() # 提前结束 p 子进程 time.sleep(2) print(p.is_alive()) print("主进程要结束了.....") # 运行结果是: # False # 主进程要结束了..... # 在 p.start()的 时候, 在内存中 开辟空间,需要时间, # CPU 这个时候会处理下面的 进程,杀死 子进程,进程结束 # 还有一种情况是,子进程 自己执行完之后,判断 子进程 是否 运行,发现为 False
五 僵尸进程 和 孤儿进程
Linux 系统的: Windows 系统中 p.join() 包含了 waitpid() 方法 一：僵尸进程（有害） 僵尸进程：一个进程使用fork创建子进程，如果子进程退出，而父进程并没有调用wait或waitpid获取子进程的状态信息，那么子进程的进程描述符仍然保存在系统中。这种进程称之为僵死进程。详解如下 我们知道在unix/linux中，正常情况下子进程是通过父进程创建的，子进程在创建新的进程。子进程的结束和父进程的运行是一个异步过程,即父进程永远无法预测子进程到底什么时候结束，如果子进程一结束就立刻回收其全部资源，那么在父进程内将无法获取子进程的状态信息。 因此，UNⅨ提供了一种机制可以保证父进程可以在任意时刻获取子进程结束时的状态信息： 1、在每个进程退出的时候，内核释放该进程所有的资源，包括打开的文件，占用的内存等。但是仍然为其保留一定的信息（包括进程号the process ID，退出状态the termination status of the process，运行时间the amount of CPU time taken by the process等） 2、直到父进程通过wait / waitpid来取时才释放. 但这样就导致了问题，如果进程不调用wait / waitpid的话，那么保留的那段信息就不会释放，其进程号就会一直被占用，但是系统所能使用的进程号是有限的，如果大量的产生僵死进程，将因为没有可用的进程号而导致系统不能产生新的进程. 此即为僵尸进程的危害，应当避免。 任何一个子进程(init除外)在exit()之后，并非马上就消失掉，而是留下一个称为僵尸进程(Zombie)的数据结构，等待父进程处理。这是每个子进程在结束时都要经过的阶段。如果子进程在exit()之后，父进程没有来得及处理，这时用ps命令就能看到子进程的状态是“Z”。如果父进程能及时 处理，可能用ps命令就来不及看到子进程的僵尸状态，但这并不等于子进程不经过僵尸状态。 如果父进程在子进程结束之前退出，则子进程将由init接管。init将会以父进程的身份对僵尸状态的子进程进行处理。 二：孤儿进程（无害） 孤儿进程：一个父进程退出，而它的一个或多个子进程还在运行，那么那些子进程将成为孤儿进程。孤儿进程将被init进程(进程号为1)所收养，并由init进程对它们完成状态收集工作。 孤儿进程是没有父进程的进程，孤儿进程这个重任就落到了init进程身上，init进程就好像是一个民政局，专门负责处理孤儿进程的善后工作。每当出现一个孤儿进程的时候，内核就把孤 儿进程的父进程设置为init，而init进程会循环地wait()它的已经退出的子进程。这样，当一个孤儿进程凄凉地结束了其生命周期的时候，init进程就会代表党和政府出面处理它的一切善后工作。因此孤儿进程并不会有什么危害。 我们来测试一下（创建完子进程后，主进程所在的这个脚本就退出了，当父进程先于子进程结束时，子进程会被init收养，成为孤儿进程，而非僵尸进程），文件内容 import os import sys import time pid = os.getpid() ppid = os.getppid() print 'im father', 'pid', pid, 'ppid', ppid pid = os.fork() #执行pid=os.fork()则会生成一个子进程 #返回值pid有两种值： # 如果返回的pid值为0，表示在子进程当中 # 如果返回的pid值>0，表示在父进程当中 if pid > 0: print 'father died..' sys.exit(0) # 保证主线程退出完毕 time.sleep(1) print 'im child', os.getpid(), os.getppid() 执行文件，输出结果： im father pid 32515 ppid 32015 father died.. im child 32516 1 看，子进程已经被pid为1的init进程接收了，所以僵尸进程在这种情况下是不存在的，存在只有孤儿进程而已，孤儿进程声明周期结束自然会被init来销毁。 三：僵尸进程危害场景： 例如有个进程，它定期的产 生一个子进程，这个子进程需要做的事情很少，做完它该做的事情之后就退出了，因此这个子进程的生命周期很短，但是，父进程只管生成新的子进程，至于子进程 退出之后的事情，则一概不闻不问，这样，系统运行上一段时间之后，系统中就会存在很多的僵死进程，倘若用ps命令查看的话，就会看到很多状态为Z的进程。 严格地来说，僵死进程并不是问题的根源，罪魁祸首是产生出大量僵死进程的那个父进程。因此，当我们寻求如何消灭系统中大量的僵死进程时，答案就是把产生大 量僵死进程的那个元凶枪毙掉（也就是通过kill发送SIGTERM或者SIGKILL信号啦）。枪毙了元凶进程之后，它产生的僵死进程就变成了孤儿进 程，这些孤儿进程会被init进程接管，init进程会wait()这些孤儿进程，释放它们占用的系统进程表中的资源，这样，这些已经僵死的孤儿进程 就能瞑目而去了。 四：测试 #1、产生僵尸进程的程序test.py内容如下 #coding:utf-8 from multiprocessing import Process import time,os def run(): print('子',os.getpid()) if __name__ == '__main__': p=Process(target=run) p.start() print('主',os.getpid()) time.sleep(1000) #2、在unix或linux系统上执行 [root@vm172-31-0-19 ~]# python3 test.py & [1] 18652 [root@vm172-31-0-19 ~]# 主 18652 子 18653 [root@vm172-31-0-19 ~]# ps aux |grep Z USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND root 18653 0.0 0.0 0 0 pts/0 Z 20:02 0:00 [python3] <defunct> #出现僵尸进程 root 18656 0.0 0.0 112648 952 pts/0 S+ 20:02 0:00 grep --color=auto Z [root@vm172-31-0-19 ~]# top #执行top命令发现1zombie top - 20:03:42 up 31 min, 3 users, load average: 0.01, 0.06, 0.12 Tasks: 93 total, 2 running, 90 sleeping, 0 stopped, 1 zombie %Cpu(s): 0.0 us, 0.3 sy, 0.0 ni, 99.7 id, 0.0 wa, 0.0 hi, 0.0 si, 0.0 st KiB Mem : 1016884 total, 97184 free, 70848 used, 848852 buff/cache KiB Swap: 0 total, 0 free, 0 used. 782540 avail Mem PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND root 20 0 29788 1256 988 S 0.3 0.1 0:01.50 elfin #3、 等待父进程正常结束后会调用wait／waitpid去回收僵尸进程 但如果父进程是一个死循环，永远不会结束，那么该僵尸进程就会一直存在，僵尸进程过多，就是有害的 解决方法一：杀死父进程 解决方法二：对开启的子进程应该记得使用join，join会回收僵尸进程 参考python2源码注释 class Process(object): def join(self, timeout=None): ''' Wait until child process terminates ''' assert self._parent_pid == os.getpid(), 'can only join a child process' assert self._popen is not None, 'can only join a started process' res = self._popen.wait(timeout) if res is not None: _current_process._children.discard(self) join方法中调用了wait，告诉系统释放僵尸进程。discard为从自己的children中剔除 解决方法三：http://blog.csdn.net/u010571844/article/details/50419798
四 守护进程
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,主进程运行结束,守护进程随即终止
打个不恰当的比喻: 这就好比是 古装剧中的 家奴, 自出生就开始守护 自己的 主人,主人出远门,家奴随行
主人吃完饭赶路了,不管家奴现在在做什么,都要结束,随主人上路
就是主进程结束的时候,子进程也要跟着结束
from multiprocessing import Process import time import random class Piao(Process): def __init__(self,name): self.name=name super().__init__() def run(self): print('%s is piaoing' % self.name) time.sleep(random.randrange(1,3)) print('%s is piao end' % self.name) if __name__ == '__main__': p=Piao('egon') p.daemon = True #一定要在p.start()前设置,设置p为守护进程,禁止p创建子进程,并且父进程代码执行结束,p即终止运行 p.start() print('主')
#主进程代码运行完毕,守护进程就会结束 from multiprocessing import Process from threading import Thread import time def foo(): print(123) # time.sleep(1) print("end123") def bar(): print(456) time.sleep(5) print("end456") if __name__ == '__main__': p1=Process(target=foo) p2=Process(target=bar) p1.daemon = True p1.start() p2.start() print("main-------") # 运行结果是: # main------- # 456 # end456 #打印该行则主进程代码结束,则守护进程p1应该被终止,可能会有p1任务执行的打印信息123, # 因为主进程打印main----时,p1也执行了,但是随即被终止
五 进程同步(锁)
进程之间数据不共享,但是共享同一套文件系统,所以访问同一个文件,或同一个打印终端,是没有问题的
而共享带来的是竞争,竞争带来的结果是错乱,如何控制,就是加锁处理
# 并发运行,效率高,但是竞争同一打印终端,带来了打印错乱 from multiprocessing import Process import os import time def func(): print("%s is beging" % os.getpid()) time.sleep(2) print("%s is end" % os.getpid()) if __name__ == '__main__': for i in range(3): p = Process(target = func) p.start()
# 由并发变成了串行,牺牲了效率,但是避免了竞争 from multiprocessing import Process,Lock import os import time def func(lock): lock.acquire() print("%s is beging" % os.getpid()) time.sleep(2) print("%s is end" % os.getpid()) lock.release() if __name__ == '__main__': lock = Lock() for i in range(3): p = Process(target = func,args = (lock,)) p.start() # 运行结果是: # 5260 is beging # 5260 is end # 5836 is beging # 5836 is end # 5620 is beging # 5620 is end # 加锁: 由 并发变成了 串行,牺牲了效率,但避免了 竞争
上述这种情况虽然使用加锁的形式 实现了顺序的执行,但是程序又重新编程了串行,还记得 join 嘛??
这样确实会浪费了时间,却保证了 数据的安全
# 文件db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 from multiprocessing import Lock import os import time import json import random def search(): dic = json.load(open("db")) print(" 34[43m剩余票数%s 34[0m" % dic["count"]) def get(): dic = json.load(open("db")) time.sleep(0.1) if dic["count"] > 0: dic["count"] -= 1 time.sleep(0.2) # 模拟写数据的网络延迟 json.dump(dic,open("db","w")) print(" 34[43m购票成功 34[0m") def task(): search() get() if __name__ == '__main__': for i in range(100): # 模拟并发 100 个客户抢票 p = Process(target = task) p.start() # 多进程同时抢购余票
# #文件db的内容为：{"count":5} # #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 # from multiprocessing import Lock # import os # import time # import json # import random # # def search(): # dic = json.load(open("db")) # print(" 34[43m剩余票数%s 34[0m" % dic["count"]) # # def get(): # dic = json.load(open("db")) # time.sleep(random.random()) # 模拟读数据的网络延迟 # if dic["count"] > 0: # dic["count"] -= 1 # time.sleep(random.random()) # 模拟读数据的网络延迟 # json.dump(dic,open("db","w")) # print(" 34[32m购票成功 34[0m") # else: # print(" 34[31m购票失败 34[0m") # def task(lock): # search() # lock.acquire() # get() # lock.release() # if __name__ == '__main__': # lock = Lock() # for i in range(100): # 模拟并发 100 个客户抢票 # p = Process(target = task,args = (lock,)) # p.start() # # # 使用锁来保证数据安全
加锁可以保证多个进程修改同一数据时,同一时间只能有一个任务可以进行修改,即串行的修改,
没错,速度是慢了,但是牺牲了速度,保证了数据的安全
虽然可以用文件共享数据实现进程间通信,但问题是:
1.效率低(共享数据基于文件,而文件是硬盘上的数据)
2.需要自己加锁处理
因此我们最好是寻找一种解决方案能够兼顾:
1.效率高(多个进程共享一块内存的数据)
2.帮我们处理好锁的问题, multiprocessing 模块为搜们提供的基于消息的IPC通信机制,队列 和 管道
队列 和 管道都是讲数据存放于内存中
队列又是基于(管道+ 锁) 实现的,可以让我们从复杂的锁问题中解脱出来
我们应该尽量避免使用共享数据,尽可能使用消息传递和队列,避免处理复杂的同步和锁问题,而且在进程数目增多时,
往往可以获得更好的可扩展性