python多进程消息队列_Python高级编程之消息队列(Queue)与进程池(Pool)实例详解

本文实例讲述了Python高级编程之消息队列(Queue)与进程池(Pool)。分享给大家供大家参考，具体如下：

Queue消息队列

1.创建

import multiprocessing

queue = multiprocessing.Queue(队列长度)

2.方法

方法

描述

put

变量名.put(数据)，放入数据(如队列已满，则程序进入阻塞状态，等待队列取出后再放入)

put_nowait

变量名.put_nowati(数据)，放入数据(如队列已满，则不等待队列信息取出后再放入，直接报错)

get

变量名.get(数据)，取出数据(如队列为空，则程序进入阻塞状态，等待队列防如数据后再取出)

get_nowait

变量名.get_nowait(数据)，取出数据(如队列为空，则不等待队列放入信息后取出数据，直接报错)，放入数据后立马判断是否为空有时为True，原因是放入值和判断同时进行

qsize

变量名.qsize()，消息数量

empty

变量名.empty()(返回值为True或False)，判断是否为空

full

变量名.full()(返回值为True或False)，判断是否为满

3.进程通信

因为进程间不共享全局变量，所以使用Queue进行数据通信，可以在父进程中创建两个字进程，一个往Queue里写数据，一个从Queue里取出数据。

例：

import multiprocessing

import time

def write_queue(queue):

# 循环写入数据

for i in range(10):

if queue.full():

print("队列已满!")

break

# 向队列中放入消息

queue.put(i)

print(i)

time.sleep(0.5)

def read_queue(queue):

# 循环读取队列消息

while True:

# 队列为空，停止读取

if queue.empty():

print("---队列已空---")

break

# 读取消息并输出

result = queue.get()

print(result)

if __name__ == '__main__':

# 创建消息队列

queue = multiprocessing.Queue(3)

# 创建子进程

p1 = multiprocessing.Process(target=write_queue, args=(queue,))

p1.start()

# 等待p1写数据进程执行结束后，再往下执行

p1.join()

p1 = multiprocessing.Process(target=read_queue, args=(queue,))

p1.start()

执行结果：

Pool进程池

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，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但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，直到池中有进程结束，才会用之前的进程来执行新的任务。

1.创建

import multiprocessing

pool = multiprocessing.Pool(最大进程数)

2.方法

方法

描述

apply()

以同步方式添加进程

apply_async()

以异步方式添加进程

close()

关闭Pool，使其不接受新任务（还可以使用）

terminate()

不管任务是否完成，立即终止

join()

主进程阻塞，等待子进程的退出，必须在close和terminate后使用

3.进程池内通信

创建进程池内Queue消息队列通信

import multiprocessing

Queue：queue = multiprocessing.Manager().Queue()

例：

import multiprocessing

import time

写入数据的方法

def write_data(queue):

# for循环 向消息队列中写入值

for i in range(5):

# 添加消息

queue.put(i)

print(i)

time.sleep(0.2)

print("队列已满~")

创建读取数据的方法

def read_data(queue):

# 循环读取数据

while True:

# 判断队列是否为空

if queue.qsize() == 0:

print("队列为空～")

break

# 从队列中读取数据

result = queue.get()

print(result)

if __name__ == '__main__':

# 创建进程池

pool = multiprocessing.Pool(2)

# 创建进程池队列

queue = multiprocessing.Manager().Queue()

# 在进程池中的进程间进行通信

# 使用线程池同步的方式，先写后读

# pool.apply(write_data, (queue, ))

# pool.apply(read_data, (queue, ))

# apply_async() 返回ApplyResult 对象

result = pool.apply_async(write_data, (queue, ))

# ApplyResult对象的wait() 方法，表示后续进程必须等待当前进程执行完再继续

result.wait()

pool.apply_async(read_data, (queue, ))

pool.close()

# 异步后，主线程不再等待子进程执行结束，再结束

# join() 后，表示主线程会等待子进程执行结束后，再结束

pool.join()

运行结果：

4.案例(文件夹copy器)

代码：

# 导入模块

import os

import multiprocessing

# 拷贝文件函数

def copy_dir(file_name, source_dir, desk_dir):

# 要拷贝的文件路径

source_path = source_dir+'/'+file_name

# 目标路径

desk_path = desk_dir+'/'+file_name

# 获取文件大小

file_size = os.path.getsize(source_path)

# 记录拷贝次数

i = 0

# 以二进制度读方式打开原文件

with open(source_path, "rb") as source_file:

# 以二进制写入方式创建并打开目标文件

with open(desk_path, "wb") as desk_file:

# 循环写入

while True:

# 读取1024字节

file_data = source_file.read(1024)

# 如果读到的不为空，则将读到的写入目标文件

if file_data:

desk_file.write(file_data)

# 读取次数+1

i += 1

# 拷贝百分比进度等于拷贝次数*1024*100/文件大小

n = i*102400/file_size

if n >= 100:

n = 100

print(file_name, "拷贝进度%.2f%%" % n)

else:

print(file_name, "拷贝成功")

break

if __name__ == '__main__':

# 要拷贝的文件夹

source_dir = 'test'

# 要拷贝到的路径

desk_dir = 'C:/Users/Administrator/Desktop/'+source_dir

# 存在文件夹则不创建

try:

os.mkdir(desk_dir)

except:

print("目标文件夹已存在，未创建")

# 获取文件夹内文件目录，存到列表里

file_list = os.listdir(source_dir)

print(file_list)

# 创建进程池，最多同时运行3个子进程

pool = multiprocessing.Pool(3)

for file_name in file_list:

# 异步方式添加到进程池内

pool.apply_async(copy_dir, args=(file_name, source_dir, desk_dir))

# 关闭进程池(停止添加，已添加的还可运行)

pool.close()

# 让主进程阻塞，等待子进程结束

pool.join()

运行结果：

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python进程与线程操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》、《Python+MySQL数据库程序设计入门教程》及《Python常见数据库操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

本文标题: Python高级编程之消息队列(Queue)与进程池(Pool)实例详解

本文地址: http://www.cppcns.com/jiaoben/python/283607.html