多进程
fork函数
要让Python程序实现多进程(multiprocessing),我们先得了解操作系统的相关知识。
Unix/Linux操作系统提供了一个 fork()
系统调用函数,它非常特殊。普通的函数在被调用时,调用一次只会返回一次。但是 fork()
函数调用一次会返回两次,因为此时操作系统会自动把当前进程(称为父进程)复制一份(称为子进程),然后分别在父进程和子进程内进行返回。
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 os
print('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.
这段代码在执行第一个print时只有一个进程(876),因此只打印一次。然后在执行 fork()
之后,当前进程(876)被复制出一个子进程(877)。当前进程会先返回,返回子进程ID(877),然后往下走进入if-else代码块,进入else语句进行打印;其后子进程(877)返回0,同样往下走,进入if-else代码块,进入if语句进行打印。
由于Windows没有fork调用,上面的代码在Windows上无法运行。而Mac系统是基于BSD(Unix的一种)内核,所以,在Mac下运行是没有问题的~
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。
multiprocessing
如果你打算编写多进程的服务程序,Unix/Linux无疑是正确的选择。由于Windows没有fork调用,难道在Windows上无法用Python编写多进程的程序?
由于Python是跨平台的,自然也应该提供跨平台的多进程支持。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:
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',))
print('Child process will start.')
p.start()
p.join()
print('Child process end.')
执行结果如下:
Parent process 928.
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该函数的参数就可以创建一个 Process
实例。用 start()
方法就可以启动这个子进程,这样创建进程要比 fork()
更简单和灵活。
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。
进程池
如果要启动大量的子进程,我们可以用进程池的方式来批量创建子进程:
from multiprocessing import Pool
import os, time, random
# 子进程执行的任务
def long_time_task(name):
print('Run task %s (%s)...' % (name, os.getpid()))
start = time.time()
time.sleep(random.random() * 3)
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) # 创建一个大小为4的进程池
for i in range(5): # 依次创建5个子进程
p.apply_async(long_time_task, args=(i,))
print('Waiting for all subprocesses done...')
p.close()
p.join()
print('All subprocesses done.')
执行结果如下:
Parent process 669.
Waiting for all subprocesses done...
Run task 0 (671)...
Run task 1 (672)...
Run task 2 (673)...
Run task 3 (674)...
Task 2 runs 0.14 seconds.
Run task 4 (673)...
Task 1 runs 0.27 seconds.
Task 3 runs 0.86 seconds.
Task 0 runs 1.41 seconds.
Task 4 runs 1.91 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()
之后就不能往进程池中继续添加新的 Process
了。
请注意输出的结果,task 0,1,2,3这四个子进程是立刻执行的,而task 4要等待前面某个task完成后才执行,这是因为我们定义进程池时定义了大小为4,也即最多同时执行4个进程,所以第5个进程就要等进程池里有空位了才能开始。如果改成:
p = Pool(5)
就可以同时跑5个进程。
当没有传入参数时,Pool的默认大小是CPU的核数,所以如果电脑是4核CPU则默认进程池大小为4,如果电脑是8核CPU则默认进程池大小为8。
子进程的输入和输出
很多时候,子进程和父进程要执行的不是同一个任务。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,并且控制其输入和输出。
下面的例子演示了如何在Python代码中运行命令 nslookup www.python.org
,这和命令行直接运行的效果是一样的:
import subprocess
print('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
运行结果:
$ nslookup www.python.org
Server: 192.168.19.4
Address: 192.168.19.4#53
Non-authoritative answer:
www.python.org canonical name = python.map.fastly.net.
Name: python.map.fastly.net
Address: 199.27.79.223
Exit code: 0
看看帮助文档中 subprocess
模块的 call()
函数的描述:
Run command with arguments. Wait for command to complete or timeout, then return the returncode attribute.
它可以帮助我们建立一个子进程来执行系统调用函数,并且允许传入函数,调用后会等待运行结束并最终返回调用函数的返回值,之后才继续执行后续代码。可以只传入一个列表,列表第一个元素为系统调用的名称,第二个元素为参数。
如果子进程执行的过程中还需要其他输入,我们使用 subprocess
模块的 Popen
类初始化子进程,并通过它的 communicate()
方法来实现进程执行过程中的多次输入:
import subprocess
print('$ 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') # 每次输入之间用换行符隔开
print(output.decode('utf-8')) # 返回的是字节流,所以要先解码
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#53
Non-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::a6
Exit code: 0
进程间通信
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,第一个子进程往 Queue
里写数据,第二个子进程从 Queue
里读数据:
from multiprocessing import Process, Queue
import os, time, random
# 写数据进程执行的代码:
def 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())
# 读数据进程执行的代码:
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__':
# 父进程创建Queue,并传给各个子进程:
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 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()
运行结果如下:
Process to write: 50563
Put A to queue...
Process to read: 50564
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
Get C from queue.
在Unix/Linux下,multiprocessing
模块封装了 fork()
调用,使我们不需要关注 fork()
的细节。由于Windows没有fork调用,因此,multiprocessing
需要“模拟”出fork的效果,父进程的所有Python对象都必须先通过 pickle
序列化再传到子进程去。所以,如果 multiprocessing
在Windows下调用失败了,就要先考虑是不是序列化失败了。
小结
在Unix/Linux下,可以使用 fork()
调用实现多进程。
要实现跨平台的多进程,可以使用 multiprocessing
模块。
进程间通信可以通过 Queue
、Pipes
等实现的。