Python -- 进程

最新推荐文章于 2024-07-20 17:12:48 发布

南极找南

最新推荐文章于 2024-07-20 17:12:48 发布

阅读量324

点赞数 2

分类专栏： python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/weixin_43889788/article/details/128385511

版权

python 专栏收录该内容

20 篇文章 2 订阅

订阅专栏

进程

程序：例如xxx.py这是程序，是一个静态的。

进程：一个程序运行起来后，代码+用到的资源称之为进程，它是操作系统分配资源的基本单元。

不仅可以通过线程完成多任务，进程也是可以的。

进程的状态

工作中，任务数往往大于cpu的核数，即一定有一些任务正在执行，而另外一些任务在等待cpu进行执行，因此导致了有了不同的状态。

就绪态：运行的条件都已经满足，正在等在cpu执行。
执行态：cpu正在执行其功能。
等待态：等待某些条件满足，例如一个程序sleep了，此时就处于等待态。

1.创建进程

multiprocessing模块就是跨平台版本的多进程模块，提供了一个Process类来代表一个进程对象，这个对象可以理解为是一个独立的进程，可以执行另外的事情。

示例：创建一个进程，执行两个死循环。

 from multiprocessing import Process
 import time
 
 
 def run_proc():
     """子进程要执行的代码"""
     while True:
         print("----2----")
         time.sleep(1)
 
 
 if __name__=='__main__':
     p = Process(target=run_proc)
     p.start()
     while True:
         print("----1----")
         time.sleep(1)

说明：

创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动

1.1 方法说明

Process( target [, name [, args [, kwargs]]])

target：如果传递了函数的引用，可以任务这个子进程就执行这里的代码
args：给target指定的函数传递的参数，以元组的方式传递
kwargs：给target指定的函数传递命名参数
name：给进程设定一个名字，可以不设定

Process创建的实例对象的常用方法：

start()：启动子进程实例（创建子进程）
is_alive()：判断进程子进程是否还在活着
join([timeout])：是否等待子进程执行结束，或等待多少秒
terminate()：不管任务是否完成，立即终止子进程

Process创建的实例对象的常用属性：

name：当前进程的别名，默认为Process-N，N为从1开始递增的整数
pid：当前进程的pid（进程号）

示例：

 from multiprocessing import Process
 import os
 from time import sleep
 
 
 def run_proc(name, age, **kwargs):
     for i in range(10):
         print('子进程运行中，name= %s,age=%d ,pid=%d...' % (name, age, os.getpid()))
         print(kwargs)
         sleep(0.2)
 
 if __name__=='__main__':
     p = Process(target=run_proc, args=('test',18), kwargs={"m":20})
     p.start()
     sleep(1)  # 1秒中之后，立即结束子进程
     p.terminate()
     p.join()

1.2 Pool

开启过多的进程并不能提高你的效率，反而会降低你的效率，假设有500个任务，同时开启500个进程，这500个进程除了不能一起执行之外（cpu没有那么多核），操作系统调度这500个进程，让他们平均在4个或8个cpu上执行，这会占用很大的空间。

如果要启动大量的子进程，可以用进程池的方式批量创建子进程：

 def task(n):
     print('{}----->start'.format(n))
     time.sleep(1)
     print('{}------>end'.format(n))
 
 
 if __name__ == '__main__':
     p = Pool(8)  # 创建进程池，并指定线程池的个数，默认是CPU的核数
     for i in range(1, 11):
         # p.apply(task, args=(i,)) # 同步执行任务，一个一个的执行任务，没有并发效果
         p.apply_async(task, args=(i,)) # 异步执行任务，可以达到并发效果
     p.close()
     p.join()

进程池获取任务的执行结果:

 def task(n):
     print('{}----->start'.format(n))
     time.sleep(1)
     print('{}------>end'.format(n))
     return n ** 2
 
 
 if __name__ == '__main__':
     p = Pool(4)
     for i in range(1, 11):
         res = p.apply_async(task, args=(i,))  # res 是任务的执行结果
         print(res.get())  # 直接获取结果的弊端是，多任务又变成同步的了
        p.close()
     # p.join() 不需要再join了，因为 res.get()本身就是一个阻塞方法

异步获取线程的执行结果:

import time
 from multiprocessing.pool import Pool
 
 
 def task(n):
     print('{}----->start'.format(n))
     time.sleep(1)
     print('{}------>end'.format(n))
     return n ** 2
 
 
 if __name__ == '__main__':
     p = Pool(4)
     res_list = []
     for i in range(1, 11):
         res = p.apply_async(task, args=(i,))
         res_list.append(res)  # 使用列表来保存进程执行结果
     for re in res_list:
         print(re.get())
     p.close()

1.3 进程间不能共享全局变量

from multiprocessing import Process
 import os
 
 nums = [11, 22]
 
 def work1():
     """子进程要执行的代码"""
     print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))
     for i in range(3):
         nums.append(i)
         print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))
 
 def work2():
     """子进程要执行的代码"""
     nums.pop()
     print("in process2 pid=%d ,nums=%s" % (os.getpid(), nums))
 
 if __name__ == '__main__':
     p1 = Process(target=work1)
     p1.start()
     p1.join()
 
     p2 = Process(target=work2)
     p2.start()
 
     print('in process0 pid={} ,nums={}'.format(os.getpid(),nums))

运行结果：

 in process1 pid=2707 ,nums=[11, 22]
 in process1 pid=2707 ,nums=[11, 22, 0]
 in process1 pid=2707 ,nums=[11, 22, 0, 1]
 in process1 pid=2707 ,nums=[11, 22, 0, 1, 2]
 in process0 pid=2706 ,nums=[11, 22]
 in process2 pid=2708 ,nums=[11]

2.进程和线程的区别

2.1 功能

进程，能够完成多任务，比如在一台电脑上能够同时运行多个QQ。
线程，能够完成多任务，比如一个QQ中的多个聊天窗口。

2.2 定义的不同

进程是系统进行资源分配和调度的一个独立单位.
线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位.线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源。

2.3 区别

一个程序至少有一个进程,一个进程至少有一个线程.
线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。
进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
线线程不能够独立执行，必须依存在进程中
可以将进程理解为工厂中的一条流水线，而其中的线程就是这个流水线上的工人

2.4 优缺点

线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反。

3.进程间通信

3.1 进程间通信-Queue

from multiprocessing import Queue
 q=Queue(3) #初始化一个Queue对象，最多可接收三条put消息
 q.put("消息1")
 q.put("消息2")
 print(q.full())  #False
 q.put("消息3")
 print(q.full()) #True
 
 #因为消息列队已满下面的try都会抛出异常，第一个try会等待2秒后再抛出异常，第二个Try会立刻抛出异常
 try:
     q.put("消息4",True,2)
 except:
     print("消息列队已满，现有消息数量:%s"%q.qsize())
 
 try:
     q.put_nowait("消息4")
 except:
     print("消息列队已满，现有消息数量:%s"%q.qsize())
 
 #推荐的方式，先判断消息列队是否已满，再写入
 if not q.full():
     q.put_nowait("消息4")
 
 #读取消息时，先判断消息列队是否为空，再读取
 if not q.empty():
     for i in range(q.qsize()):
         print(q.get_nowait())

说明

初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）；

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([block[, timeout]])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True；

1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出"Queue.Empty"异常；

2）如果block值为False，消息列队如果为空，则会立刻抛出"Queue.Empty"异常；

Queue.get_nowait()：相当Queue.get(False)；
Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True；

1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出"Queue.Full"异常；

2）如果block值为False，消息列队如果没有空间可写入，则会立刻抛出"Queue.Full"异常；

Queue.put_nowait(item)：相当Queue.put(item, False)；

3.2 使用Queue实现进程共享

我们以Queue为例，在父进程中创建两个子进程，一个往Queue里写数据，一个从Queue里读数据：

 from multiprocessing import Process, Queue
 import os, time, random
 
 # 写数据进程执行的代码:
 def write(q):
     for value in ['A', 'B', 'C']:
         print('Put %s to queue...' % value)
         q.put(value)
         time.sleep(random.random())
 
 # 读数据进程执行的代码:
 def read(q):
     while True:
         if not q.empty():
             value = q.get(True)
             print('Get %s from queue.' % value)
             time.sleep(random.random())
         else:
             break
 
 if __name__=='__main__':
     # 父进程创建Queue，并传给各个子进程：
     q = Queue()
     pw = Process(target=write, args=(q,))
     pr = Process(target=read, args=(q,))
     # 启动子进程pw，写入:
     pw.start()    
     # 等待pw结束:
     pw.join()
     # 启动子进程pr，读取:
     pr.start()
     pr.join()
     print('所有数据都写入并且读完')

4.线程池

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。

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，请看下面的实例：

from multiprocessing import Pool
 import os, time, random
 
 def worker(msg):
     t_start = time.time()
     print("%s开始执行,进程号为%d" % (msg,os.getpid()))
     # random.random()随机生成0~1之间的浮点数
     time.sleep(random.random()*2)
     t_stop = time.time()
     print(msg,"执行完毕，耗时%0.2f" % (t_stop-t_start))
 
 po = Pool(3)  # 定义一个进程池，最大进程数3
 for i in range(0,10):
     # Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
     # 每次循环将会用空闲出来的子进程去调用目标
     po.apply_async(worker,(i,))
 
 print("----start----")
 po.close()  # 关闭进程池，关闭后po不再接收新的请求
 po.join()  # 等待po中所有子进程执行完成，必须放在close语句之后
 print("-----end-----")

运行效果：

----start----
 0开始执行,进程号为21466
 1开始执行,进程号为21468
 2开始执行,进程号为21467
 0 执行完毕，耗时1.01
 3开始执行,进程号为21466
 2 执行完毕，耗时1.24
 4开始执行,进程号为21467
 3 执行完毕，耗时0.56
 5开始执行,进程号为21466
 1 执行完毕，耗时1.68
 6开始执行,进程号为21468
 4 执行完毕，耗时0.67
 7开始执行,进程号为21467
 5 执行完毕，耗时0.83
 8开始执行,进程号为21466
 6 执行完毕，耗时0.75
 9开始执行,进程号为21468
 7 执行完毕，耗时1.03
 8 执行完毕，耗时1.05
 9 执行完毕，耗时1.69
 -----end-----

multiprocessing.Pool常用函数解析：

apply_async(func[, args[, kwds]]) ：使用非阻塞方式调用func（并行执行，堵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的关键字参数列表；
close()：关闭Pool，使其不再接受新的任务；
terminate()：不管任务是否完成，立即终止；
join()：主进程阻塞，等待子进程的退出，必须在close或terminate之后使用；

进程池中的Queue

如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()，否则会得到一条如下的错误信息：

RuntimeError: Queue objects should only be shared between processes through inheritance.

下面的实例演示了进程池中的进程如何通信：

# 修改import中的Queue为Manager
 from multiprocessing import Manager, Pool
 import os, time, random
 
 
 def reader(q):
     print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
     for i in range(q.qsize()):
         print("reader从Queue获取到消息：%s" % q.get(True))
 
 
 def writer(q):
     print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
     for i in "helloworld":
         q.put(i)
 
 
 if __name__ == "__main__":
     print("(%s) start" % os.getpid())
     q = Manager().Queue()  # 使用Manager中的Queue
     po = Pool()
     po.apply_async(writer, (q,))
 
     time.sleep(1)  # 先让上面的任务向Queue存入数据，然后再让下面的任务开始从中取数据
 
     po.apply_async(reader, (q,))
     po.close()
     po.join()
     print("(%s) End" % os.getpid())

运行结果:


(4171) start
 writer启动(4173),父进程为(4171)
 reader启动(4174),父进程为(4171)
 reader从Queue获取到消息：h
 reader从Queue获取到消息：e
 reader从Queue获取到消息：l
 reader从Queue获取到消息：l
 reader从Queue获取到消息：o
 reader从Queue获取到消息：w
 reader从Queue获取到消息：o
 reader从Queue获取到消息：r
 reader从Queue获取到消息：l
 reader从Queue获取到消息：d
 (4171) End