python实现多进程_multiprocessing

使用multiprocessing模块来进行python的多进程编程。个人习惯使用类来继承原始的Process类进行处理,以下是模板,供以后拷贝使用。

#!/usr/bin/env python
# -*- coding:utf8 -*-

import os, os.path
import time
from multiprocessing import Process, cpu_count


class myProcess(Process):
    def __init__(self, *argus, **keywords):
        # argus 和 keywords中可以包括函数名等特殊类,不仅仅是字符串,数字,序列等常见数据类型
        Process.__init__(self)
        self.argus = argus
        self.keywords = keywords


    def run(self):
        # 时间统计功能最好在run内实现。该函数内实现子进程的操作。
        start_time = time.time()
        print ("Proc %d start: %s" % (self.proc_seq, time.ctime(start_time)))

        # 以下是自己的核心代码,即你希望该进程做任务,是批量任务的模板
        
        # 个人核心代码结束
        
        end_time = time.time()
        dur = end_time - start_time
        print ("Proc %d end: %s, Total time: %.2f" % (self.proc_seq, time.ctime(end_time), dur))
    
if __name__ == "__main__":
    import logging
    import sys
    logger = logging.getLogger()
    formatter = logging.Formatter('[%(filename)s:%(lineno)d] - [%(asctime)s] : *%(levelname)s* | (%(funcName)s) %(message)s', '%Y-%m-%d %H:%M:%S',)
    stream_handler = logging.StreamHandler()
    stream_handler.setFormatter(formatter)
    logger.addHandler(stream_handler)
    file_handler = logging.FileHandler(os.path.splitext(os.path.abspath(__file__))[0]+".log", 'w')
    file_handler.setFormatter(formatter)
    logger.addHandler(file_handler)
    logger.setLevel(logging.INFO)

    from optparse import OptionParser
    optparser = OptionParser()
    optparser.add_option('-i', "--input", dest="input", action="store", default=None, help="please input the input file/foldername")
    #optparser.add_option('-o', "--output", dest="output", action="store", default=None, help="please input the output folder name")

    options, args = optparser.parse_args()
    if len(args) != 0:
        print "wrong arguments format!"
        sys.exit(-1)

    if options.input == None:
        print "you have to give input or output folder or filenames!\nUsage: python maxmatch12r.py -i inputfolder/file -o outputfolder"
        sys.exit(-1)


    # 构建等于cpu核心个数的进程进行处理
    core_num = cpu_count()
    
    # 个人代码,准备好不同数目子进程的参数
    argus_list = []
    keywords_list = []
    
    # 首先,创建子进程,但是不开始运行
    threads = []
    for iproc in xrange(len(argus_list):
        cur_proc = myProcess(iproc, argus_list[iproc], keywords_list[iproc])
        threads.append(cur_proc)

    # 创建好所有子进程后,再开始逐个运行
    for iproc in threads:
        iproc.start()

    # 所有子进程都运行后,在进行父进程阻断
    for iproc in threads:
        iproc.join()
    
    # 所有子进程完成后,回到父进程
    logger.info("Done!")

经验是以下几点:

1. 把要让子进程做的事情,都写在run函数内,父进程就只管提供数据和代码即可。

2. 父进程调用子进程的步骤是:首先,创建所有的子进程;其次,逐个调用所有的子进程,不允许有其他操作(因为会被阻塞);最后,逐个调用join函数对父进程进行阻塞,保证子进程都运行完毕后再运行父进程。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python进程(multiprocessing)是一种并行计算的方式,可以在多个CPU核心上同时执行任务,提高程序的运行效率。它可以通过创建多个进程实现并行计算,每个进程都有自己的独立内存空间,可以独立运行。在Python中,可以使用multiprocessing模块来实现进程编程,它提供了一系列的类和函数,可以方便地创建和管理多个进程。使用multiprocessing模块可以有效地提高程序的运行速度,特别是在处理大量数据或计算密集型任务时,效果更加明显。 ### 回答2: Python进程multiprocessing是一个用来创建并行程序的模块,它允许Python程序同时运行多个进程,从而大幅提高程序的运行效率。在Python中,多进程可以通过fork()系统调用实现,但是由于在Windows上无法完全实现fork(),因此Python在Windows上仅支持多线程,而不支持多进程Python进程中最基本的概念是进程(Process)。在Python中,创建进程有两种基本的方式:使用Process类和使用Pool类。Process类允许我们创建一个进程对象,可以给进程传递参数并启动进程。Pool类则可以创建多个进程,并且自动分配任务到不同的进程中。 Python中还有一些重要的概念和技巧,例如进程间通信(IPC)、共享内存、信号量、锁等。进程间通信是在多进程应用程序中非常常见的技术,它可以让不同的进程之间进行数据交换、资源共享等操作。共享内存则允许不同的进程访问同一个内存区域,从而避免了复制数据的过程,提高了程序的效率。 对于使用Python进程multiprocessing进行开发的程序,我们需要借助Python标准库中的一些附加模块,例如queue、threading、signal等,以及一些第三方库,例如PyQt、numpy等。对于不同的应用场景,我们可以选择不同的库和技术,从而实现最佳的多进程方案。 总体而言,Python进程multiprocessing是一个非常强大的模块,可以大幅提高Python程序的运行效率和并发性能。不过,要想熟练地运用这个模块,需要对Python的多线程、操作系统和计算机架构等知识有一定的了解。同时,对于更高级别的多进程应用,可能还需要一些专业的领域知识。 ### 回答3: Python是一种面向对象、解释型、高级编程语言,其简洁、易读、易学的语法特点赢得了大批开发者的青睐。而multiprocessing则是Python的一个重要模块,可用于实现进程并发编程,充分利用计算机多核心资源,提高Python程序的运行效率。 multiprocessing模块的主要特点包括: 1. 提供了Process、Pool、Queue等多个类和函数,方便实现进程的创建、管理和通信。 2. 可以使用fork进程创建新的进程,并可在进程之间共享数据,也可以将任务分配给多个进程执行,提高效率。 3. 提供了多种进程间通信机制的实现,如Pipe、Queue、Value和Array等,让进程之间的通信更加方便,同时保证数据的正确和安全。 4. 灵活的参数设置和控制,比如可以设置进程数、超时时间等,让程序更加可控和稳定。 使用multiprocessing模块可以带来显著的性能提升,特别适合需要处理大规模数据、密集计算或者需要高并发的应用场景。例如,在爬取大规模网站数据时,可以把每个网站的数据抓取任务分配给不同的进程去执行,节约大量时间。在图像处理和机器学习方面也可以大大加快程序的速度。 总之,Python的multiprocessing模块为我们提供了一种易用、高效的多进程编程方法,使我们能够更好地利用计算机资源,提高Python程序的性能和效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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