进程池Pool结合Manager中的Queue队列的使用

目录

一.multiprocessing模块中进程池Pool的使用：

        from multiprocessing import Pool

        pool = Pool(进程池中的进程数)

        pool.apply_async(func=任务函数，args(元组类参数，))

        pool.close()

        pool.join()

二.进程池中的进程间通信问题：

        进程池Pool结合Manager中Queue的使用：

        from multiprocessing import Pool

        pool = Pool(进程池中的进程数)

        q = Manager().Queue()  # 使用Manager中的Queue

        pool.apply_async(func=任务函数，args(q，))

        pool.close()

        pool.join()

扩展：线程池的使用

---

进程池Pool:

        当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态生成多个进程，但如果是成百上千的进程目标，手动创建的工作量将非常巨大，此时可用到multiprocessing模块中的Pool类。

        初始化Pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果进程池还没有满，那么就会创建一个新的进程用来执行该请求；如果池中的进程数已经达到指定的最大值，那么该请求就会等待，知道池中有进程结束，才会用之前结束的进程来执行新的任务。

Pool常用方法：

        apply_async(func[,args[,kwds]]):使用非阻塞方式调用func(并行执行，阻塞方式必须等待上

                   一个进程退出才能执行下一个进程)，args为传递给func的参数列表，kwds为传递给

                   func的关键字擦数列表。 

        close():关闭Pool,使其不再接收新的任务。

        terminate():不管任务是否完成，立即终止。

        join():主进程阻塞，等待子进程退出，必须在close()或terminate()之后使用。

一.multiprocessing模块中进程池Pool的使用：

        from multiprocessing import Pool

        pool = Pool(进程池中的进程数)

        pool.apply_async(func=任务函数，args(元组类参数，))

        pool.close()

        pool.join()

from multiprocessing import Pool
import os, time, random


def work1(msg):
    start_time = time.time()  # 开始时间
    print("循环任务%d由进程号%d进程执行" % (msg, os.getpid()))
    time.sleep(random.random())  # 随机生产0-1的浮点数
    end_time = time.time()  # 结束时间
    print(msg, "执行完毕，耗时%0.2f" % (end_time - start_time))


if __name__ == '__main__':
    pool = Pool(3)  # 定义一个进程池，最大进程数为3
    for i in range(1, 11):
        # 每次循环都会用空闲出来的子进程去调用目标任务(函数)
        pool.apply_async(func=work1, args=(i,))  
    print("------start------")
    pool.close()  # 关闭进程池，关闭后pool不再接收新的请求任务
    pool.join()  # 等待pool进程池中所有的子进程执行完成，必须放在pool.close()之后
    print("-----end------")


输出：
------start------
循环任务1由进程号18809进程执行
循环任务2由进程号18810进程执行
循环任务3由进程号18811进程执行
3 执行完毕，耗时0.42
循环任务4由进程号18811进程执行
1 执行完毕，耗时0.47
循环任务5由进程号18809进程执行
2 执行完毕，耗时0.54
循环任务6由进程号18810进程执行
4 执行完毕，耗时0.19
循环任务7由进程号18811进程执行
7 执行完毕，耗时0.06
循环任务8由进程号18811进程执行
8 执行完毕，耗时0.12
循环任务9由进程号18811进程执行
5 执行完毕，耗时0.82
循环任务10由进程号18809进程执行
6 执行完毕，耗时0.86
9 执行完毕，耗时0.85
10 执行完毕，耗时0.65
-----end------

总结：进程池中的3个进程，在循环执行任务时，初始时3个进程会同时启动并执行任务1，2，3；当进程18811率先执行完毕任务1时，会紧接着执行任务4。

_____________________________________________________________________________

二.进程池中的进程间通信问题：

        进程池Pool结合Manager中Queue的使用：

        from multiprocessing import Pool

        pool = Pool(进程池中的进程数)

        q = Manager().Queue()  # 使用Manager中的Queue

        pool.apply_async(func=任务函数，args(q，))

        pool.close()

        pool.join()

进程池中的Queue:如果要使用Pool创建进程，就需要使用到multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()。

from multiprocessing import Pool, Manager
import os, time, random


def reader(q):
    print("reader启动（%s）,父进程为（%s）" % (os.getpid(), os.getppid()))
    print("reader进程%s从Queue中获取到的信息为：%s" % (os.getpid(), q.get()))


def writer(q):
    print("writer启动（%s）,父进程为（%s）" % (os.getpid(), os.getppid()))
    for i in range(1, 11):
        q.put(i)


if __name__ == '__main__':
    print("(%s) start" % os.getpid())  # 打印主进程（父进程）
    pool = Pool(5)  # 创建进程池
    q = Manager().Queue()  # 使用Manager中的Queue
    pool.apply_async(func=writer, args=(q,))
    time.sleep(1)  # 先让writer任务完队列中生产数据，然后再用reader任务从队列中消费数据。
    while True:
        if q.qsize() > 0:
            pool.apply_async(func=reader, args=(q,))
        else:
            break
    pool.close()
    pool.join()

输出：
(23003) start
writer启动（23005）,父进程为（23003）
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：1
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：2
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：3
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：4
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：5
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：6
reader启动（23006）,父进程为（23003）
reader启动（23007）,父进程为（23003）
reader启动（23009）,父进程为（23003）
reader进程23006从Queue中获取到的信息为：7
reader启动（23008）,父进程为（23003）
reader进程23007从Queue中获取到的信息为：8
reader进程23009从Queue中获取到的信息为：9
reader启动（23005）,父进程为（23003）
reader进程23005从Queue中获取到的信息为：10
reader启动（23007）,父进程为（23003）
reader启动（23009）,父进程为（23003）
reader启动（23006）,父进程为（23003）
reader启动（23005）,父进程为（23003）

总结：进程池中的5个进程，根据Manager.Queue（）队列中的数据，被动态分配给writer和reader任务，进程23005～23009共计5个进程，都轮流执行了reader任务。

扩展：线程池的使用

pool = threadpool.ThreadPool(num_workers=5)  # 定义了一个线程池
        # 调用makeRequests创建了要开启多线程的函数
requests = threadpool.makeRequests(some_callable, list_of_args, callback)
        # 将所有要运行多线程的请求扔进线程池
[pool.putRequest(req) for req in requests]
        # 等待所有的线程完成工作后退出。
pool.wait()

import time

import threadpool


def work(max):
    for i in max:
        print(i)
        time.sleep(1)


if __name__ == '__main__':
    pool = threadpool.ThreadPool(num_workers=5)
    max_list = ["1", "2", "3", "4", "5", "6", "7", "8", "9"]
    s_time = time.time()
    requests = threadpool.makeRequests(work, max_list)
    [pool.putRequest(req) for req in requests]
    pool.wait()
    e_time = time.time()
    print("耗时：{}".format(e_time - s_time))

输出：
1
2
3
4
5
6
7
8
9
耗时：2.010507822036743