python实现多进程_Python多进程原理与实现

Date: 2019-06-04

Author: Sun

1 进程的基本概念

什么是进程？

​进程就是一个程序在一个数据集上的一次动态执行过程。进程一般由程序、数据集、进程控制块三部分组成。我们编写的程序用来描述进程要完成哪些功能以及如何完成；数据集则是程序在执行过程中所需要使用的资源；进程控制块用来记录进程的外部特征，描述进程的执行变化过程，系统可以利用它来控制和管理进程，它是系统感知进程存在的唯一标志。

2 父进程和子进程

​ Linux 操作系统提供了一个 fork() 函数用来创建子进程，这个函数很特殊，调用一次，返回两次，因为操作系统是将当前的进程(父进程)复制了一份(子进程)，然后分别在父进程和子进程内返回。子进程永远返回0，而父进程返回子进程的 PID。我们可以通过判断返回值是不是 0 来判断当前是在父进程还是子进程中执行。

​ Python 中同样提供了 fork() 函数，此函数位于 os 模块下。

# -*- coding: utf-8 -*-

__author__ = 'sun'

__date__ = '2018/6/04 下午5:17'

import os

import time

print("在创建子进程前: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

pid = os.fork() #一次调用，两次返回

if pid == 0:

print("子进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

time.sleep(5)

else:

print("父进程信息: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

# pid表示回收的子进程的pid

#pid, result = os.wait() # 回收子进程资源　　阻塞

time.sleep(5)

#print("父进程：回收的子进程pid=%d" % pid)

#print("父进程：子进程退出时 result=%d" % result)

# 下面的内容会被打印两次，一次是在父进程中，一次是在子进程中。

# 父进程中拿到的返回值是创建的子进程的pid，大于0

print("fork创建完后: pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

2.1 父子进程如何区分?

​ 子进程是父进程通过fork()产生出来的，pid = os.fork()

​ 通过返回值pid是否为0，判断是否为子进程，如果是0，则表示是子进程

​ 由于 fork() 是 Linux 上的概念，所以如果要跨平台，最好还是使用 subprocess 模块来创建子进程。

2.2 子进程如何回收？

python中采用os.wait()方法用来回收子进程占用的资源

pid, result = os.wait() # 回收子进程资源　　阻塞，等待子进程执行完成回收

如果有子进程没有被回收的，但是父进程已经死掉了，这个子进程就是僵尸进程。

3 Python进程模块

​ python的进程multiprocessing模块有多种创建进程的方式，每种创建方式和进程资源的回收都不太相同，下面分别针对Process,Pool及系统自带的fork三种进程分析。

3.1 fork()

import os

pid = os.fork() # 创建一个子进程

os.wait() # 等待子进程结束释放资源

pid为0的代表子进程。

缺点：

​ 1.兼容性差，只能在类linux系统下使用，windows系统不可使用；

​ 2.扩展性差，当需要多条进程的时候，进程管理变得很复杂；

​ 3.会产生“孤儿”进程和“僵尸”进程，需要手动回收资源。

优点：

​ 是系统自带的接近低层的创建方式，运行效率高。

3.2 Process进程

multiprocessing模块提供Process类实现新建进程

# -*- coding: utf-8 -*-

import os

from multiprocessing import Process

import time

def fun(name):

print("2 子进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

print("hello " + name)

def test():

print('ssss')

if __name__ == "__main__":

print("1 主进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

ps = Process(target=fun, args=('jingsanpang', ))

print("111 ##### ps pid: " + str(ps.pid) + ", ident:" + str(ps.ident))

print("3 进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

print(ps.is_alive())

ps.start()

print(ps.is_alive())

print("222 #### ps pid: " + str(ps.pid) + ", ident:" + str(ps.ident))

print("4 进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

ps.join()

print(ps.is_alive())

print("5 进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

ps.terminate()

print("6 进程信息： pid=%s, ppid=%s" % (os.getpid(), os.getppid()))

特点：

​ 1.注意：Process对象可以创建进程，但Process对象不是进程，其删除与否与系统资源是否被回收没有直接的关系。

2.主进程执行完毕后会默认等待子进程结束后回收资源，不需要手动回收资源；join()函数用来控制子进程

​ 结束的顺序,其内部也有一个清除僵尸进程的函数，可以回收资源；

3.Process进程创建时，子进程会将主进程的Process对象完全复制一份，这样在主进程和子进程各有一个 Process对象，但是p.start()启动的是子进程，主进程中的Process对象作为一个静态对象存在，不执行。

4.当子进程执行完毕后，会产生一个僵尸进程，其会被join函数回收，或者再有一条进程开启，start函数也会回收僵尸进程，所以不一定需要写join函数。

5.windows系统在子进程结束后会立即自动清除子进程的Process对象，而linux系统子进程的Process对象如果没有join函数和start函数的话会在主进程结束后统一清除。

另外还可以通过继承Process对象来重写run方法创建进程

3.3 进程池POOL (多个进程)

进程池：为了避免我们多进程创建，销毁带来的开销，引入的进程池

# -*- coding: utf-8 -*-

__author__ = 'sun'

__date__ = '2018/6/04 下午9:16'

import multiprocessing

import time

def work(msg):

mult_proces_name = multiprocessing.current_process().name

print('process: ' + mult_proces_name + '-' + msg)

if __name__ == "__main__":

pool = multiprocessing.Pool(processes=5) # 创建4个进程

for i in range(20):

msg = "process %d" %(i)

pool.apply_async(work, (msg, ))

pool.close() # 关闭进程池，表示不能在往进程池中添加进程

pool.join() # 等待进程池中的所有进程执行完毕，必须在close()之后调用

print("Sub-process all done.")

​ 上述代码中的pool.apply_async()是apply()函数的变体，apply_async()是apply()的并行版本，apply()是apply_async()的阻塞版本，使用apply()主进程会被阻塞直到函数执行结束，所以说是阻塞版本。apply()既是Pool的方法，也是Python内置的函数，两者等价。可以看到输出结果并不是按照代码for循环中的顺序输出的。

多个子进程并返回值

apply_async()本身就可以返回被进程调用的函数的返回值。上一个创建多个子进程的代码中，如果在函数func中返回一个值，那么pool.apply_async(func, (msg, ))的结果就是返回pool中所有进程的值的对象(注意是对象，不是值本身)。

import multiprocessing

import time

def func(msg):

return multiprocessing.current_process().name + '-' + msg

if __name__ == "__main__":

pool = multiprocessing.Pool(processes=4) # 创建4个进程

results = []

for i in range(20):

msg = "process %d" %(i)

results.append(pool.apply_async(func, (msg, )))

pool.close() # 关闭进程池，表示不能再往进程池中添加进程，需要在join之前调用

pool.join() # 等待进程池中的所有进程执行完毕

print ("Sub-process(es) done.")

for res in results:

print (res.get())

​ 与之前的输出不同，这次的输出是有序的。

​ 如果电脑是八核，建立8个进程，在Ubuntu下输入top命令再按下大键盘的1，可以看到每个CPU的使用率是比较平均的

4 进程间通信方式

管道pipe：管道是一种半双工的通信方式，数据只能单向流动，而且只能在具有亲缘关系的进程间使用。进程的亲缘关系通常是指父子进程关系。

命名管道FIFO：有名管道也是半双工的通信方式，但是它允许无亲缘关系进程间的通信。

消息队列MessageQueue：消息队列是由消息的链表，存放在内核中并由消息队列标识符标识。消息队列克服了信号传递信息少、管道只能承载无格式字节流以及缓冲区大小受限等缺点。

共享存储SharedMemory：共享内存就是映射一段能被其他进程所访问的内存，这段共享内存由一个进程创建，但多个进程都可以访问。共享内存是最快的 IPC 方式，它是针对其他进程间通信方式运行效率低而专门设计的。它往往与其他通信机制，如信号两，配合使用，来实现进程间的同步和通信。

以上几种进程间通信方式中，消息队列是使用的比较频繁的方式。

(1)管道pipe

import multiprocessing

def foo(sk):

sk.send('hello father')

print(sk.recv())

if __name__ == '__main__':

conn1,conn2=multiprocessing.Pipe() #开辟两个口，都是能进能出，括号中如果False即单向通信

p=multiprocessing.Process(target=foo,args=(conn1,)) #子进程使用sock口，调用foo函数

p.start()

print(conn2.recv()) #主进程使用conn口接收

conn2.send('hi son') #主进程使用conn口发送

(2)消息队列Queue

Queue是多进程的安全队列，可以使用Queue实现多进程之间的数据传递。

Queue的一些常用方法：

Queue.qsize()：返回当前队列包含的消息数量；

Queue.empty()：如果队列为空，返回True，反之False ；

Queue.full()：如果队列满了，返回True,反之False；

Queue.get():获取队列中的一条消息，然后将其从列队中移除，可传参超时时长。

Queue.get_nowait()：相当Queue.get(False),取不到值时触发异常：Empty；

Queue.put():将一个值添加进数列，可传参超时时长。

Queue.put_nowait():相当于Queue.get(False),当队列满了时报错：Full。

案例：

from multiprocessing import Process, Queue

import time

def write(q):

for i in ['A', 'B', 'C', 'D', 'E']:

print('Put %s to queue' % i)

q.put(i)

time.sleep(0.5)

def read(q):

while True:

v = q.get(True)

print('get %s from queue' % v)

if __name__ == '__main__':

q = Queue()

pw = Process(target=write, args=(q,))

pr = Process(target=read, args=(q,))

print('write process = ', pw)

print('read process = ', pr)

pw.start()

pr.start()

pw.join()

pr.join()

pr.terminate()

pw.terminate()

Queue和pipe只是实现了数据交互，并没实现数据共享，即一个进程去更改另一个进程的数据。

注：进程间通信应该尽量避免使用共享数据的方式

5 多进程实现生产者消费者

以下通过多进程实现生产者，消费者模式

import multiprocessing

from multiprocessing import Process

from time import sleep

import time

class MultiProcessProducer(multiprocessing.Process):

def __init__(self, num, queue):

"""Constructor"""

multiprocessing.Process.__init__(self)

self.num = num

self.queue = queue

def run(self):

t1 = time.time()

print('producer start ' + str(self.num))

for i in range(1000):

self.queue.put((i, self.num))

# print 'producer put', i, self.num

t2 = time.time()

print('producer exit ' + str(self.num))

use_time = str(t2 - t1)

print('producer ' + str(self.num) + ',

use_time: '+ use_time)

class MultiProcessConsumer(multiprocessing.Process):

def __init__(self, num, queue):

"""Constructor"""

multiprocessing.Process.__init__(self)

self.num = num

self.queue = queue

def run(self):

t1 = time.time()

print('consumer start ' + str(self.num))

while True:

d = self.queue.get()

if d != None:

# print 'consumer get', d, self.num

continue

else:

break

t2 = time.time()

print('consumer exit ' + str(self.num))

print('consumer ' + str(self.num) + ', use time:' + str(t2 - t1))

def main():

# create queue

queue = multiprocessing.Queue()

# create processes

producer = []

for i in range(5):

producer.append(MultiProcessProducer(i, queue))

consumer = []

for i in range(5):

consumer.append(MultiProcessConsumer(i, queue))

# start processes

for i in range(len(producer)):

producer[i].start()

for i in range(len(consumer)):

consumer[i].start()

# wait for processs to exit

for i in range(len(producer)):

producer[i].join()

for i in range(len(consumer)):

queue.put(None)

for i in range(len(consumer)):

consumer[i].join()

print('all done finish')

if __name__ == "__main__":

main()

6 总结

​ python中的多进程创建有以下两种方式：

(1)fork子进程

(2)采用 multiprocessing 这个库创建子进程

​ 需要注意的是队列中Queue.Queue是线程安全的，但并不是进程安全，所以多进程一般使用线程、进程安全的multiprocessing.Queue()

​ 另外, 进程池使用 multiprocessing.Pool实现，pool = multiprocessing.Pool(processes = 3)，产生一个进程池，pool.apply_async实现非租塞模式，pool.apply实现阻塞模式。

apply_async和 apply函数，前者是非阻塞的，后者是阻塞。可以看出运行时间相差的倍数正是进程池数量。

​ 同时可以通过result.append(pool.apply_async(func, (msg, )))获取非租塞式调用结果信息的。