python/多进程笔记以及一些理解
文章目录
- 多进程
- Pool
- 子进程
- 进程通信:
多进程
Python程序实现多进程(multiprocessing)
:
Unix/Linux
操作系统:
提供了一个fork()系统调用,它非常特殊。普通的函数调用,调用一次,返回一次,但是fork()
调用一次,返回两次,因为操作系统自动把当前进程(称为父进程)复制了一份(称为子进程),然后,分别在父进程和子进程内返回。
子进程永远返回0
,而父进程返回子进程的ID。这样做的理由是,一个父进程可以fork出很多子进程,所以,父进程要记下每个子进程的ID,而子进程只需要调用getppid()
就可以拿到父进程的ID。
Python的os
模块封装了常见的系统调用,其中就包括fork
,可以在Python程序中轻松创建子进程:
import osprint('Process (%s) start...' % os.getpid())
# Only works on Unix/Linux/Mac:
pid = os.fork()
if pid == 0:print('I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid()))
else:print('I (%s) just created a child process (%s).' % (os.getpid(), pid))
运行结果如下:Process (876) start...
I (876) just created a child process (877).
I am child process (877) and my parent is 876.
有了fork
调用,一个进程在接到新任务时就可以复制出一个子进程来处理新任务,常见的Apache服务器
就是由父进程监听端口,每当有新的http请求时,就fork
出子进程来处理新的http请求。
windows
系统:
由于Windows没有fork
调用,multiprocessing模块
就是跨平台版本的多进程模块。
multiprocessing模块
提供了一个Process类
来代表一个进程对象,下面的例子演示了启动一个子进程并等待其结束:
process模块
是一个创建进程的模块,借助这个模块,就可以完成进程的创建。
语法: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)。'
'注意:
1. 必须使用关键字方式来指定参数;
2. args指定的为传给target函数的位置参数,是一个元祖形式,必须有逗号。'
group:参数未使用,默认值为None。
target:表示调用对象,即子进程要执行的任务。
args:表示调用的位置参数元组。
kwargs:表示调用对象的字典。如kwargs = {‘name’:Jack, ‘age’:18}。
name:子进程名称。
from multiprocessing import Process
import os# 子进程要执行的代码
def run_proc(name):print('Run child process %s (%s)...' % (name, os.getpid()))if __name__=='__main__':print('Parent process %s.' % os.getpid())p = Process(target=run_proc, args=('test',))#创建子进程执行run_proc,传入参数是testprint('Child process will start.')p.start()p.join()## 阻塞 直到子进程执行结束print('Child process end.')
'执行结果如下:'
Parent process 928.
Child process will start.
Run child process test (929)...
Process end
创建子进程时,只需要传入一个执行函数和函数的参数,创建一个Process实例
,用start()方法
启动,这样创建进程比fork()还要简单。
join()方法
可以等待子进程结束后再继续往下运行,通常用于进程间的同步
Pool
如果要启动大量的子进程,可以用进程池的方式批量创建子进程
apply_async
是异步非阻塞的。意思就是:不用等待当前进程执行完毕,随时根据系统调度来进行进程切换。
from multiprocessing import Process, Pool
import os, time, random# 子进程要执行的代码
def long_time_task(name):print('Run task %s (%s)....' % (name,os.getpid()))start = time.time()time.sleep(random.random()*3)#阻塞线程指定随机生成数秒end = time.time()print('Task %s runs %0.2f seconds.' % (name, (end - start)))if __name__ =='__main__':print('Parent process %s.' % os.getpid())p = Pool(4)for i in range(5):p.apply_async(long_time_task, args=(i,))print('Waiting for all subprocesses done...')p.close()p.join()# 每个子进程都阻塞 直到子进程执行结束 # 四个进程 同步了print('All subprocesses done.')
'执行结果'
Parent process 8532.
Waiting for all subprocesses done...
Run task 0 (4752)....
Run task 1 (9924)....
Run task 2 (3084)....
Run task 3 (3632)....
Task 3 runs 0.64 seconds.
Run task 4 (3632)....
Task 0 runs 2.04 seconds.
Task 2 runs 2.18 seconds.
Task 4 runs 1.95 seconds.
Task 1 runs 2.64 seconds.
All subprocesses done.
代码解读:
对Pool对象
调用join()
方法会等待所有子进程执行完毕,调用join()
之前必须先调用close()
,调用close()之后就不能继续添加新的Process
了。
通过time.sleep()
阻塞线程若干秒
random.random()
用于生成一个0到1的随机符点数: 0 <= n < 1.0
请注意输出的结果,task 0,1,2,3
是立刻执行的,而task 4
要等待前面某个task
完成后才执行,这是因为Pool的默认大小在我的电脑上是4,因此,最多同时执行4个进程。这是Pool有意设计的限制,并不是操作系统的限制。如果改成:p = Pool(5)
.就可以同时跑5个进程。
由于Pool的默认大小是CPU的核数,如果你不幸拥有8核CPU,你要提交至少9个子进程才能看到上面的等待效果。
子进程
很多时候,子进程并不是自身,而是一个外部进程。我们创建了子进程后,还需要控制子进程的输入和输出。
subprocess模块
可以让我们非常方便地启动一个子进程,然后控制其输入和输出。
演示如何在Python代码中运行命令nslookup www.python.org
import subprocessprint('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
结果:
$ nslookup www.python.org
Server: 192.168.19.4
Address: 192.168.19.4#53Non-authoritative answer:
www.python.org canonical name = python.map.fastly.net.
Name: python.map.fastly.net
Address: 199.27.79.223Exit code: 0
nslookup
命令用于查询DNS的记录,查询域名解析
subprocess.call(cmd, shell=True)
subprocess.call()
执行由参数提供的命令.
我们可以用数组作为参数运行命令,也可以用字符串作为参数运行命令(通过设置参数shell=True).注意,参数shell默认为False
如果子进程还需要输入,则可以通过communicate()
方法输入:
import subprocessprint('$ nslookup')
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
print(output.decode('utf-8'))
print('Exit code:', p.returncode)
'上面的代码相当于在命令行执行命令`nslookup`,然后手动输入:'
set q=mx
python.org
exit
'运行结果如下:'
$ nslookup
Server: 192.168.19.4
Address: 192.168.19.4#53Non-authoritative answer:
python.org mail exchanger = 50 mail.python.org.Authoritative answers can be found from:
mail.python.org internet address = 82.94.164.166
mail.python.org has AAAA address 2001:888:2000:d::a6Exit code: 0
stdin stdout和stderr
:
分别表示子程序的标准输入、标准输出和标准错误。可选的值有PIPE或者一个有效的文件描述符(其实是个正整数)或者一个文件对象,还有None。如果是PIPE,则表示需要创建一个新的管道,如果是None,不会做任何重定向工作,子进程的文件描述符会继承父进程的。另外,stderr的值还可以是STDOUT,表示子进程的标准错误也输出到标准输出。
subprocess.Popen()方法的用法,转载:https://www.cnblogs.com/lgj8/p/12132829.html
进程通信:
Process之间
肯定是需要通信的,操作系统提供了很多机制来实现进程间的通信。Python的multiprocessing模块
包装了底层的机制,提供了Queue、Pipes
等多种方式来交换数据。
我们以Queue
为例,在父进程中创建两个子进程,一个往Queue
里写数据,一个从Queue
里读数据
:
Queue.get([block[, timeout]])
读队列,timeout等待时间
Queue.put(item, [block[, timeout]])
写队列,timeout等待时间
Queue.put()
默认有 block = True
和 timeout
两个参数。当 block = True
时,写入是阻塞式的,阻塞时间由 timeou
确定。
from multiprocessing import Process, Queue
import os, time, randomdef write(q):print('Process to write: %s' % os.getpid())for value in ['A','B','C']:print('Put %s to queue' % value)q.put(value)time.sleep(random.random())#阻塞进程随机数秒,实现读写同步def read(q):print('Process to read: %s' % os.getpid())while True:value = q.get(True)print('Get %s from queue.' % value)if __name__ == '__main__':q = Queue()#父进程创建队列pw = Process(target = write, args=(q,))#创建写入子进程pr = Process(target=read, args=(q,))#创建读取子进程#启动子进程pw,写入:pw.start()#启动子进程pr,读取:pr.start()# 等待pw结束:pw.join()# pr进程里是死循环,无法等待其结束,只能强行终止:pr.terminate()'运行结果:'
Process to write: 7572
Put A to queue
Process to read: 3440
Get A from queue.
Put B to queue
Get B from queue.
Put C to queue
Get C from queue.
'如果去掉write函数里的阻塞,运行结果如下:'
Process to read: 3744
Process to write: 1328
Put A to queue
Put B to queue
Put C to queue
Get A from queue.
Get B from queue.
Get C from queue.
由于Windows
没有fork
调用,因此,multiprocessing
需要“模拟”出fork
的效果,父进程所有Python对象都必须通过pickle序列化
再传到子进程去,所以,如果multiprocessing
在Windows
下调用失败了,要先考虑是不是pickle
失败了。
附一个廖雪峰教程上,一个回复的理解:
'创建进程'
import multiprocessing
import timedef action(a, b): # 待会两个进程要执行的任务↓for i in range(30): # 循环30次print(a, ' ', b)time.sleep(0.1) # 等待0.1sif __name__ == '__main__': # 这行代码很重要,新建进程的时候都加上它!!原因不用管(我也不知道233)jc1 = multiprocessing.Process(target=action, args=('进程一', 0)) # 准备建立一个进程:multiprocessing.Process()jc2 = multiprocessing.Process(target=action, args=('进程二', 1)) # 再准备建立一个新进程,这是基本格式记住←
# 必要参数target:指定进程要执行的任务(这里是执行函数 action),必要参数args:直译成中文就是'参数',顾名思义就是前面target的参数,即action的参数,注意args是个元组,所以args后的参数写成tuple元组格式。直接写target('进程一',0)一定报错的jc1.start() # 将蓄势待发的jc1进程正式启动!!jc2.start() # 同上...jc1.join() # 等待进程jc1将任务执行完...jc2.join() # ...print('jc1,jc2任务都已执行完毕')jc1.close() # 彻底关闭进程jc1jc2.close() # ...'#输出结果是两个进程同时且连续打印0、1'
'Pool'
from multiprocessing import Pool
import time
import osdef action1(a, b=5):for i in range(b):print(a, os.getpid(), ' ', i) # os.getpid(): pid简单来说就是每个进程的“身份证”time.sleep(0.1)#阻塞进程实现进程一二三轮流执行if __name__ == '__main__': # 还要添加这行,否则可能出现异常ci = Pool(3) # 创建一个进程池,容量为3个进程ci.apply_async(action1, args=('进程一',)) # 启动第一个子进程...ci.apply_async(action1, args=('进程二', 5)) # 和普通进程的启动方式有很大不同仔细看ci.apply_async(action1, args=('进程三', 7 )) # Pool的最基本格式记住←
# 注意:程序现在有4个进程在运行:上面的三个子进程 和一个最为核心的:主进程ci.close() # 关闭进程池(但池子内已启动的子进程还会继续进行)ci.join() # 等待进程池内的所有子进程完毕print('比如说这最后的一行输出就是主进程执行任务打印出来的')执行结果:进程一 6476 0
进程二 6616 0
进程三 3356 0
进程一 6476 1
进程二 6616 1
进程三 3356 1
进程一 6476 2
进程二 6616 2
进程三 3356 2
进程一 6476 3
进程二 6616 3
进程三 3356 3
进程一 6476 4
进程二 6616 4
进程三 3356 4
进程三 3356 5
进程三 3356 6
比如说这最后的一行输出就是主进程执行任务打印出来的
'进程间的通信:'
import multiprocessingdef foo(aa):ss = aa.get() # 管子的另一端放在子进程这里,子进程接收到了数据print('子进程已收到数据...')print(ss) # 子进程打印出了数据内容...if __name__ == '__main__': # 要加这行...tx = multiprocessing.Queue() # 创建进程通信的Queue,你可以理解为我拿了个管子来...jc = multiprocessing.Process(target=foo, args=(tx,)) # 创建子进程jc.start() # 启子子进程print('主进程准备发送数据...')tx.put('有内鬼,终止交易!') # 将管子的一端放在主进程这里,主进程往管子里丢入数据↑jc.join()
python/多进程笔记以及一些理解相关推荐
- Python 多进程笔记 — 启动进程的方式、守护进程、进程间通信、进程池、进程池之间通信、多进程生产消费模型
1 面向过程启动多进程 Python 操作进程的类都定义在 multiprocessing 模块,该模块提供了一个 Process 类来代表一个进程对象,这个对象可以理解为是一个独立的进程,可以执行另 ...
- Python机器学习笔记:深入理解Keras中序贯模型和函数模型
先从sklearn说起吧,如果学习了sklearn的话,那么学习Keras相对来说比较容易.为什么这样说呢? 我们首先比较一下sklearn的机器学习大致使用流程和Keras的大致使用流程: skl ...
- 学习笔记之——Python中类和对象的理解
学习笔记之--Python中类和对象的理解 面向对象的含义和特性 类 Python中类的定义.结构.创建 Python类的定义 Python类的结构 类的创建 类的属性 类的方法 对象 对象的创建 参 ...
- 【Rollo的Python之路】Python 多进程 学习笔记 multiprocessing
Python 多进程: 由于GIL的存在,python中的多线程并不是真正的多线程,如果想要充分地使用多核CUP的资源,在python里面大部分情况需要使用多进程,Python提供了非常好的多进程包m ...
- Python学习笔记:异步IO(1)
前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...
- python多进程共享内存_python 进程间通信 共享内存
python多进程通信实例分析 python多进程通信实例分析操作系统会为每一个创建的进程分配一个独立的地址空间,不同进程的地址空间是完全隔离的,因此如果不加其他的措施,他们完全感觉不到彼此的存在.那 ...
- python多进程详解
目录 python多进程 序.multiprocessing 一.Process process介绍 例1.1:创建函数并将其作为单个进程 例1.2:创建函数并将其作为多个进程 例1.3:将进程定义为 ...
- Python学习笔记(十一)
Python学习笔记(十一): 生成器,迭代器回顾 模块 作业-计算器 1. 生成器,迭代器回顾 1. 列表生成式:[x for x in range(10)] 2. 生成器 (generator o ...
- Python学习笔记(六)
1. IO编程 1.1 文件读写 1.2 StringIO和BytesIO 1.3 操作文件和目录 1.4 序列化 2. 进程和线程 2.1 多进程 2.2 多线程 2.3 ThreadLocal 2 ...
最新文章
- java 随机取三个_Java-Random 从五个人中随机三个 且不能重复
- 重磅推荐几个接私活的利器!
- three.js加载3d模型_可加载5亿多边形,InsiteVR推Quest端BIM协作应用《Resolve》
- 从 TFS 迁移源代码到 git
- Django REST Framework API Guide 07
- 2 亚马逊_索泰称仅亚马逊渠道就收到2万块RTX 3080显卡订单,无法按时发货
- python with as 用法_你在 Python 中常常写的 with..as.. 到底是个啥?
- Linux开源字体——“文泉驿正黑”的安装命令
- 基于巴法云平台的天猫精灵控制开关
- 【3款文献阅读的插件】
- 服务器u单核性能排行,CPU单核性能排行[2018年10月更新]
- 全国计算机等级考试二级Python(2021年9月)备考笔记 第十五天
- JAVA中native方法(实现例子)
- 我国构建物联网基础安全标准体系的时间表确定
- js中的 this指向面试题
- 天融信防火墙自带的tcpdump使用
- ROS 中CompressedImage消息的发布与订阅
- 【视频字幕编辑软件】Subtitle Studio for Mac 1.5
- 互联网的挖角大战与竞业诉讼:腾讯百度最不好惹,华为阿里最本分?
- [蜂群课堂]懒人精灵自动化进阶课程