Python进程—— multiprocessing.Manager()

Manager

在Python中为了更加方便的实现多进程的数据共享支持,multiprocessing模块提供了一种数据共享进程的实现,该类进程可以通过Manager类创建,主要支持有两类操作数据形式:列表(list)、字典(dict)

多进程写入列表
import multiprocessing
def worker(list,item):#进程的处理函数
    list.append("【%s】item = %s" % (multiprocessing.current_process().name,item))
def main():#主函数
    manager = multiprocessing.Manager()#创建共享数据对象
    mg_list = manager.list()
    job_process = [multiprocessing.Process(target=worker,args=(mg_list,item,),name="进程-%s" % item) for item in range(3)]
    for process in job_process:
        process.start()
    for process in job_process:
        process.join()
    print(mg_list)
if __name__ == '__main__':
    main()
多进程写入字典
import multiprocessing
def worker(dict,item):#进程的处理函数
    dict.update({multiprocessing.current_process().name:item})
def main():#主函数
    manager = multiprocessing.Manager()#创建共享数据对象
    mg_list = manager.dict()
    job_process = [multiprocessing.Process(target=worker,args=(mg_list,item,),name="进程-%s" % item) for item in range(3)]
    for process in job_process:
        process.start()
    for process in job_process:
        process.join()
    print(mg_list)
if __name__ == '__main__':
    main()
  • 5
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pythonmultiprocessing.Pool模块和multiprocessing.dummy.Pool模块都是用于创建进程池和线程池的工具。 进程池(multiprocessing.Pool)是一组维护在进程中的工作者,它们可以并行地执行任务。该模块是基于multiprocessing模块实现的,它通过创建多个进程来并行执行任务。 下面是一个创建进程池的示例: ``` python import multiprocessing def worker(process_num): print("Process %d is working" % process_num) if __name__ == '__main__': pool = multiprocessing.Pool(processes=4) for i in range(5): pool.apply_async(worker, args=(i,)) pool.close() pool.join() ``` 上面的示例中,我们创建了一个包含4个进程进程池,并向进程池中提交了5个任务,每个任务调用worker函数并传递一个进程编号作为参数。我们使用apply_async方法向进程池中提交任务,并使用close和join方法管理进程池。 线程池(multiprocessing.dummy.Pool)是一组维护在线程中的工作者,它们可以并行地执行任务。该模块是基于threading模块实现的,它通过创建多个线程来并行执行任务。 下面是一个创建线程池的示例: ``` python from multiprocessing.dummy import Pool import time def worker(thread_num): print("Thread %d is working" % thread_num) time.sleep(1) if __name__ == '__main__': pool = Pool(4) for i in range(5): pool.apply_async(worker, args=(i,)) pool.close() pool.join() ``` 上面的示例中,我们创建了一个包含4个线程的线程池,并向线程池中提交了5个任务,每个任务调用worker函数并传递一个线程编号作为参数。我们使用apply_async方法向线程池中提交任务,并使用close和join方法管理线程池。 需要注意的是,线程池和进程池的用法基本相同,但是由于线程在Python中不能真正地并行执行,因此线程池的性能可能比进程池差。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值