上一篇文章已经描述过线程和进程但简单关系: Python threading 多线程学习笔记
现在我们来看看多进程的学习
一、添加进程
添加进程和添加线程的代码差不多:
添加线程:(文件名为threading.py)
import threading as th
def job(a,d):
print(a+d)
print('aaaaa')
t=th.Thread(target=job,args=(2,3)) #Thread和Process的首字母都要大写,被调用的函数没有括号,被调用的函数的参数放在args(…)中
t.start()
t.join()
线程代码可以直接在python shell上直接运行,结果为:
============== RESTART: /Users/ziqi/Desktop/threading.py ==============
5
aaaaa
>>>
添加进程:(文件名为p1.py)
import multiprocessing as mp
def job(a,d):
print(a+d)
print('aaaaa')
if __name__=='__main__':
p1 = mp.Process(target=job,args=(1,2)) #Thread和Process的首字母都要大写,被调用的函数没有括号,被调用的函数的参数放在args(…)中
p1.start()
p1.join()
进程代码在python sell上面运行没有结果。需要在mac终端terminal上运行:
ziqi@ziqi~/Desktop python p1.py
3
aaaaa
区别:
1.添加进程时, 在运用时需要添加上一个定义main函数的语句:if __name__=='__main__':
2.添加进程代码运行环境需要在
terminal环境下,可能其他的编辑工具会出现运行结束后没有打印结果。
二、 将运算结果存放到Queue队列
多线程调用的函数不能有返回值, 所以使用Queue存储多个线程运算的结果。
进程调用Queue队列跟线程调用使用一样:
import multiprocessing as mp
def job(q):
res=0
for i in range(1000):
res+=i+i**2+i**3
q.put(res) #queue
if __name__=='__main__':
q = mp.Queue() #定义一个多线程队列,用来存储结果
p1 = mp.Process(target=job,args=(q,)) # args 的参数只要一个值的时候,参数后面需要加一个逗号,表示args是可迭代的,后面可能还有别的参数,不加逗号会出错
p2 = mp.Process(target=job,args=(q,)) #定义两个线程函数,用来处理同一个任务
#分别启动、连接两个线程
p1.start()
p2.start()
p1.join()
p2.join()
res1 = q.get() #上面是分两批处理的,所以这里分两批输出,将结果分别保存
res2 = q.get()
print(res1+res2) #打印最后的运算结果:499667166000
三、进程池pool
将运算的东西放进进程池中运算。
import multiprocessing as mp
def job(x): #这次进程调用的函数有了返回值,因为是放进Pool里面计算的
return x*x
def multicore():
pool = mp.Pool() #Pool和之前的Process的不同点是丢向Pool的函数有返回值,而Process的没有返回值。
res = pool.map(job,range(10)) #map()获取结果,