Python中写多进程的程序,一般都使用multiprocessing模块。进程间数据是独立的,进程间通讯有多种方式,包括信号,管道,消息队列,信号量,共享内存,socket等。这里仅介绍三种常用通讯机制。
使用 multiprocessing.Queue()队列
创建共享的进程队列,Queue是多进程安全的队列,可以使用Queue实现多进程之间的数据传递。
设q为队列实例化对象:
q = Queue([maxsize]):maxsize是队列中允许的最大项数。如果省略此参数,则无大小限制。设q为队列实例化对象:
常用方法:
1、q.get( [ block [ ,timeout ] ] ) :返回q中的一个项目。如果q为空,此方法将阻塞,直到队列中有项目可用为止。block用于控制阻塞行为,默认为True. 如果设置为False,将引发Queue.Empty异常(定义在Queue模块中)。timeout是可选超时时间,用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用,将引发Queue.Empty异常。
2、q.get_nowait():同q.get(False)方法。
3、q.put(item [, block [,timeout ] ] ):将item放入队列。如果队列已满,此方法将阻塞至有空间可用为止。block控制阻塞行为,默认为True。如果设置为False,将引发Queue.Empty异常(定义在Queue库模块中)。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。
4、q.qsize():返回队列中目前项目的正确数量。此函数的结果并不可靠,因为在返回结果和在稍后程序中使用结果之间,队列中可能添加或删除了项目。在某些系统上,此方法可能引发NotImplementedError异常。
5、q.empty() :如果队列是空的,返回 True ,反之返回 False 。 由于多线程或多进程的环境,该状态是不可靠的。
6、q.full():如果队列是满的,返回 True ,反之返回 False 。 由于多线程或多进程的环境,该状态是不可靠的。
7、q.close() :关闭队列,防止队列中加入更多数据。调用此方法时,后台线程将继续写入那些已入队列但尚未写入的数据,但将在此方法完成时马上关闭。如果q被垃圾收集,将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。
8、q.cancel_join_thread() :不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。
9、q.join_thread() :连接队列的后台线程。此方法用于在调用q.close()方法后,等待所有队列项被消耗。默认情况下,此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。
示例代码:
from multiprocessing import Process, Queue
def p_func_1(q):
q.put('zlyd')
print('Queue full !' if q.full() else 'Queue no full ! ')
q.put('guan zhu wo')
print('Queue full !' if q.full() else 'Queue no full ! ')
print("p_func_1 child process put data !")
def p_func_2(q):
m1 = q.get()
m2 = q.get()
print('p_func_2 child process get data is ',m1,m2)
print('Queue empty !' if q.empty() else 'Queue no empty ! ')
if __name__ == '__main__':
q = Queue(2) # 实例化Queue对象, 先进先出,q = LifoQueue() 先入后出
print("parent process")
p = Process(target=p_func_1, args=(q,))
m = Process(target=p_func_2, args=(q,))
p.start()
m.start()
p.join()
m.join()
q.close()
注意:Queue创建的进程间的通信可以用于多进程,但不能用于进程池,如需进程池间通讯可用multiprocessing.Manager()中的Queue()
使用multiprocessing.Pipe()管道,优先考虑使用
Pipe([duplex]):在进程之间创建一条管道,并返回元祖(con1,con2),其中con1,con2表示管道两端连接的对象。
duplex:默认管道为全双工的,如果将duplex设置为False,该管道为单向管道,con1只能用于接收,con2只能由于发送。
管道常用方法:
1、con1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收,recv方法会一直阻塞。如果连接的另外一端已经关闭,那么recv方法会抛出EOFError。
2、con1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象。
3、con1.close():关闭连接。如果conn1被垃圾回收,将自动调用此方法。
4、con1.fileno():返回连接使用的整数文件描述符。
5、conn1.poll([timeout]):如果连接上的数据可用,返回True。timeout指定等待的最长时限。如果省略此参数,方法将立即返回结果。如果将timeout射成None,操作将无限期地等待数据到达。
6、conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息,超过了这个最大值,将引发IOError异常,并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭,再也不存在任何数据,将引发EOFError异常。
7、conn.send_bytes(buffer [, offset [, size]]):通过连接发送字节数据缓冲区,buffer是支持缓冲区接口的任意对象,offset是缓冲区中的字节偏移量,而size是要发送字节数。结果数据以单条消息的形式发出,然后调用c.recv_bytes()函数进行接收。
8、conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息,并把它保存在buffer对象中,该对象支持可写入的缓冲区接口(即bytearray对象或类似的对象)。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间,将引发BufferTooShort异常。
示例代码:
from multiprocessing import Process, Pipe
def c_func(c_conn):
c_conn.send([88, {"name": "zlyd"}, 'hello']) # 发送
print("c_func 发送数据完成。")
response = c_conn.recv() # 等待接收
print("c_func 接收的数据 : ", response) # 打印接收
print('关闭通道。')
c_conn.close() ## 关闭pipe,两端都要关闭,正确管理,
def p_func(p_conn):
rdata = p_conn.recv()
print('p_func 接收的数据 :',rdata)
p_conn.send('ok ')
print('p_func 发送数据完成,关闭通道。')
p_conn.close()
if __name__ == '__main__':
parent_conn, child_conn = Pipe() # 返回一对 Connection`对象 ``(conn1, conn2)` , 分别表示管道的两端。
print(type(parent_conn), type(child_conn)) # <class 'multiprocessing.connection.PipeConnection'>
cobj = Process(target=c_func, args=(child_conn,))
pobj = Process(target=p_func, args=(parent_conn,))
cobj.start()
pobj.start()
cobj.join()
pobj.join()
注意:Queue和pipe只是实现了数据交互,并没实现数据共享,
使用multiprocessing.Manager()
Python中进程间共享数据,处理基本的queue,pipe和value + array外,还提供了更高层次的封装。
使用multiprocessing.Manager可以简单地使用这些高级接口。Manager()返回的manager对象控制了一个server进程,此进程包含的python对象可以被其他的进程通过proxies来访问。从而达到多进程间数据通信且安全。
Manager支持的类型有list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Queue, Value和Array。
Queue和Pipe只是实现了数据交互,并没实现数据共享,Manager()返回一个已启动的 SyncManager 管理器对象,这个对象可以用于在不同进程中共享数据。
示例代码:
from multiprocessing import Process, Manager,Lock
def f(d, l, i,lock):
with lock: # 不加锁而操作共享的数据,数据会出乱,此例无用,示例而已
if d['name'] == 'zlyd':
d['count'] -= i
l.append(i)
if __name__ == '__main__':
lock = Lock()
with Manager() as manager:
d = manager.dict({'name':'zlyd','count':100}) # 字典类型的manager
l = manager.list(range(5)) # 列表类型的manager
p_list = []
for i in range(10):
p = Process(target=f, args=(d, l, i,lock))
p.start()
p_list.append(p)
for res in p_list:
res.join() # 等待进程退出,全部执行完成后再继续往下执行
print('d-->',d)
print('l-->',l)
更多精彩文章,在“栈了一堆”公众号里。
文章中有写错地方,请指出,希望大家多多评论,互相交流。