點擊下載
本文文檔

當前位置：首頁 - 科技 - 知識百科 - 正文

python多進程控制的教程講解（附示例）

來源：懂視網責編：小采時間：2020-11-27 14:11:36

python多進程控制的教程講解（附示例）

python多進程控制的教程講解（附示例）:本篇文章給大家帶來的內容是關于python多進程控制的教程講解（附示例），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。multiprocessing簡介multiprocessing是python自帶的多進程模塊，可以大批量的生成進程，在服務器為多核CPU時效果更

推薦度：

點擊下載本文 文檔為doc格式

導讀python多進程控制的教程講解（附示例）:本篇文章給大家帶來的內容是關于python多進程控制的教程講解（附示例），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。multiprocessing簡介multiprocessing是python自帶的多進程模塊，可以大批量的生成進程，在服務器為多核CPU時效果更

本篇文章給大家帶來的內容是關于python多進程控制的教程講解（附示例），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。

multiprocessing簡介

multiprocessing是python自帶的多進程模塊，可以大批量的生成進程，在服務器為多核CPU時效果更好，類似于threading模塊。相對于多線程，多進程由于獨享內存空間，更穩定安全，在運維里面做些批量操作時，多進程有更多適用的場景

multiprocessing包提供了本地和遠程兩種并發操作,有效的避開了使用子進程而不是全局解釋鎖的線程，因此，multiprocessing可以有效利用到多核處理

Process類

在multiporcessing中，通過Process類對象來批量產生進程，使用start()方法來啟動這個進程

1.語法

multiprocessing.Process(group=None,target=None,name=None,args=(),kwargs={},*)

group: 這個參數一般為空，它只是為了兼容threading.Tread
target: 這個參數就是通過run()可調用對象的方法，默認為空，表示沒有方法被調用
name: 表示進程名
args: 傳給target調用方法的tuple(元組)參數
kwargs: 傳給target調用方法的dict(字典)參數

2.Process類的方法及對象

run()
該方法是進程的運行過程，可以在子類中重寫此方法，一般也很少去重構

start()
啟動進程，每個進程對象都必須被該方法調用

join([timeout])
等待進程終止，再往下執行，可以設置超時時間

name
可以獲取進程名字,多個進程也可以是相同的名字

is_alive()
返回進程是否還存活，True or False，進程存活是指start()開始到子進程終止

daemon
守護進程的標記，一個布爾值，在start()之后設置該值，表示是否后臺運行
注意：如果設置了后臺運行，那么后臺程序不運行再創建子進程

pid
可以獲取進程ID

exitcode
子進程退出時的值，如果進程還沒有終止，值將是None,如果是負值，表示子進程被終止

terminate()
終止進程，如果是Windows，則使用terminateprocess()，該方法對已經退出和結束的進程，將不會執行

以下為一個簡單的例子:

#-*- coding:utf8 -*- 
import multiprocessing
import time

def work(x):
 time.sleep(1)
 print time.ctime(),'這是子進程[{0}]...'.format(x)

if __name__ == '__main__':
 for i in range(5):
 p = multiprocessing.Process(target=work,args=(i,))
 print '啟動進程數:{0}'.format(i)
 p.start()
 p.deamon = True

當然也可以顯示每個進程的ID

#-*- coding:utf8 -*- 
import multiprocessing
import time
import os

def work(x):
 time.sleep(1)
 ppid = os.getppid()
 pid = os.getpid()
 print time.ctime(),'這是子進程[{0},父進程:{1},子進程:{2}]...'.format(x,ppid,pid)

if __name__ == '__main__':
 for i in range(5):
 p = multiprocessing.Process(target=work,args=(i,))
 print '啟動進程數:{0}'.format(i)
 p.start()
 p.deamon = True

但在實際使用的過程中，并不只是并發完就可以了，比如，有30個任務，由于服務器資源有限，每次并發5個任務，這里還涉及到30個任務怎么獲取的問題，另外并發的進程任務執行時間很難保證一致，尤其是需要時間的任務，可能并發5個任務，有3個已經執行完了，2個還需要很長時間執行，總不能等到這兩個進程執行完了，再繼續執行后面的任務，因此進程控制就在此有了使用場景，可以利用Process的方法和一些multiprocessing的包，類等結合使用

進程控制及通信常用類

一、Queue類

類似于python自帶的Queue.Queue，主要用在比較小的隊列上面
語法：

multiprocessing.Queue([maxsize])

類方法：
qsize()
返回隊列的大致大小，因為多進程或者多線程一直在消耗隊列，因此該數據不一定正確

empty()
判斷隊列是否為空，如果是，則返回True，否則False

full()
判斷隊列是否已滿，如果是，則返回True，否則False

put(obj[, block[, timeout]])
將對象放入隊列，可選參數block為True，timeout為None

get()
從隊列取出對象

#-*- coding:utf8 -*-
from multiprocessing import Process, Queue

def f(q):
 q.put([42,None,'hi'])

if __name__ == '__main__':
 q = Queue()
 p = Process(target=f, args=(q,))
 p.start()
 print q.get() #打印內容: [42,None,'hi']
 p.join()

二、Pipe類

pipe()函數返回一對對象的連接，可以為進程間傳輸消息，在打印一些日志、進程控制上面有一些用處，Pip()對象返回兩個對象connection，代表兩個通道，每個connection對象都有send()和recv()方法，需要注意的是兩個或以上的進程同時讀取或者寫入同一管道，可能會導致數據混亂，測試了下，是直接覆蓋了。另外，返回的兩個connection,如果一個是send()數據,那么另外一個就只能recv()接收數據了

#-*- coding:utf8 -*-
from multiprocessing import Process, Pipe
import time
def f(conn,i):
 print '[{0}]已經執行到子進程:{1}'.format(time.ctime(),i)
 time.sleep(1)
 w = "[{0}]hi,this is :{1}".format(time.ctime(),i)
 conn.send(w)
 conn.close()

if __name__ == '__main__':
 reader = []
 parent_conn, child_conn = Pipe()
 for i in range(4):
 p = Process(target=f, args=(child_conn,i))
 p.start()
 reader.append(parent_conn)
 p.deamon=True

 # 等待所有子進程跑完
 time.sleep(3)
 print '
[{0}]下面打印child_conn向parent_conn傳輸的信息:'.format(time.ctime())
 for i in reader:
 print i.recv()

輸出為：

三、Value,Array

在進行并發編程時，應盡量避免使用共享狀態，因為多進程同時修改數據會導致數據破壞。但如果確實需要在多進程間共享數據，multiprocessing也提供了方法Value、Array

from multiprocessing import Process, Value, Array

def f(n, a):
 n.value = 3.1415927
 for i in range(len(a)):
 a[i] = -a[i]

if __name__ == '__main__':
 num = Value('d',0.0)
 arr = Array('i', range(10))

 p = Process(target=f, args=(num, arr))
 p.start()
 p.join()

 print num.value
 print arr[:]

*print
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]*

四、Manager進程管理模塊

Manager類管理進程使用得較多，它返回對象可以操控子進程，并且支持很多類型的操作，如: list, dict, Namespace、lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value, Array，因此使用Manager基本上就夠了

from multiprocessing import Process, Manager

def f(d, l):
 d[1] = '1'
 d['2'] = 2
 d[0.25] = None
 l.reverse()

if __name__ == '__main__':
 with Manager() as manager:
 d = manager.dict()
 l = manager.list(range(10))

 p = Process(target=f, args=(d, l))
 p.start()
 p.join() #等待進程結束后往下執行
 print d,'
',l

輸出：
{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
可以看到，跟共享數據一樣的效果，大部分管理進程的方法都集成到了Manager()模塊了

五、對多進程控制的應用實例

 #-*- coding:utf8 -*-
 from multiprocessing import Process, Queue
 import time
 
 def work(pname,q):
 time.sleep(1)
 print_some = "{0}|this is process: {1}".format(time.ctime(),pname)
 print print_some
 q.put(pname)
 
 if __name__ == '__main__':
 p_manag_num = 2 # 進程并發控制數量2
 # 并發的進程名
 q_process = ['process_1','process_2','process_3','process_4','process_5']
 q_a = Queue() # 將進程名放入隊列
 q_b = Queue() # 將q_a的進程名放往q_b進程,由子進程完成
 
 for i in q_process:
 q_a.put(i)
 
 p_list = [] # 完成的進程隊列
 while not q_a.empty():
 if len(p_list) <= 2:
 pname=q_a.get()
 p = Process(target=work, args=(pname,q_b))
 p.start()
 p_list.append(p)
 print pname
 
 for p in p_list:
 if not p.is_alive():
 p_list.remove(p)
 
 # 等待5秒,預估執行完后看隊列通信信息
 # 當然也可以循環判斷隊列里面的進程是否執行完成
 time.sleep(5)
 print '打印p_b隊列:'
 while not q_b.empty():
 print q_b.get()

執行結果: