python多进程总结

Bertha 。 2023-08-17 16:29 198阅读 0赞

概述

由于python中全局解释器锁(GIL)的存在,所以python多线程并不能有效利用CPU多核的性能(相当于单核并发)实现多线程多核并行,所以在对CPU密集型的程序时处理效率较低,反而对IO密集型的才有效率的大幅度提高。

如果想要充分地使用多核CPU的资源,需要使用多进程,python中提供multiprocessing实现。

CPU密集型:主要特点是需要进行大量的计算,消耗CPU资源,比如计算圆周率、对视频进行高清解码等等,全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成,但是任务越多,花在任务切换的时间就越多,CPU执行任务的效率就越低,所以,要最高效地利用CPU,计算密集型任务同时进行的数量应当等于CPU的核心数。

IO密集型:主要涉及到网络、磁盘IO的任务都是IO密集型任务,这类任务的特点是CPU消耗很少,任务的大部分时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度)。对于IO密集型任务,任务越多,CPU效率越高,但也有一个限度。常见的大部分任务都是IO密集型任务,比如Web应用。

所以python在多线程处理CPU密集型程序时可以选择多进程实现,有效的利用多核提升效率;而IO密集型的由于99%的时间都花在IO上,花在CPU上的时间很少,所以多线程也能提高很大效率

Process对象

multiprocessing.Process类类似于threading.Thread,涉及参数以及属性方法如下

multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)

参数

  • group 应该始终是 None,它仅用于兼容 threading.Thread
  • target 是由 run() 方法调用的可调用对象,它默认为 None ,意味着什么都没有被调用
  • name 是进程名称
  • args 是目标调用的参数元组
  • kwargs 是目标调用的关键字参数字典
  • daemon 表是否为守护进程,为 True 或 False

方法

  • run() 表示进程活动的方法。
  • start() 启动进程活动。每个进程对象最多只能调用一次
  • join([timeout]) 如果可选参数 timeout 是 None (默认值),则该方法将阻塞,直到调用 join() 方法的进程终止。简单说哪个子进程调用了join方法,主进程就要等该子进程执行完后才能继续向下执行
  • is_alive() 返回进程是否还活着

属性

  • pid 返回进程ID
  • name 进程的名称
  • daemon 进程的守护标志,一个布尔值
  • exitcode 子进程退出代码。如果进程尚未终止,这将是 None 。

创建多进程

类似与多线程,创建方式都是差不多的

1.通过函数方式创建

  1. import multiprocessing
  2. import time
  3. def run(sec):
  4. print('这是进程名字', multiprocessing.current_process().name)
  5. print('这是进程PID', multiprocessing.current_process().pid)
  6. time.sleep(sec)
  7. if __name__ == '__main__':
  8. print('这是主进程名字:', multiprocessing.current_process().name)
  9. print('这是主进程PID:', multiprocessing.current_process().pid)
  10. s_time = time.time()
  11. p1 = multiprocessing.Process(target=run, args=(1,))
  12. p2 = multiprocessing.Process(target=run, args=(2,))
  13. p3 = multiprocessing.Process(target=run, args=(3,))
  14. p1.start()
  15. p2.start()
  16. p3.start()
  17. p1.join()
  18. p2.join()
  19. p3.join()
  20. print('主进程结束', multiprocessing.current_process().name)
  21. print('一共用时', time.time()-s_time)

2.通过类来创建

  1. import multiprocessing
  2. import time
  3. class MyProcess(multiprocessing.Process):
  4. def __init__(self, sec):
  5. super(MyProcess, self).__init__()
  6. self.sec = sec
  7. def run(self):
  8. print('这是进程名字', multiprocessing.current_process().name)
  9. print('这是进程PID', multiprocessing.current_process().pid)
  10. time.sleep(self.sec)
  11. if __name__ == '__main__':
  12. print('这是主进程名字:', multiprocessing.current_process().name)
  13. print('这是主进程PID:', multiprocessing.current_process().pid)
  14. s_time = time.time()
  15. p1 = MyProcess(1)
  16. p2 = MyProcess(2)
  17. p3 = MyProcess(3)
  18. p1.start()
  19. p2.start()
  20. p3.start()
  21. p1.join()
  22. p2.join()
  23. p3.join()
  24. print('主进程结束', multiprocessing.current_process().name)
  25. print('一共用时', time.time()-s_time)

进程间通信

进程是资源(CPU、内存等)分配的最小单位,每个进程有独立的地址空间与系统资源,每启动一个新的进程相当创建全局变量的一份副本,子进程里的数据修改无法影响到主进程以及其他子进程中的数据,不同子进程之间的数据也不能共享,这是多进程与多线程最明显的区别

示例如下

  1. import multiprocessing
  2. import time
  3. tmp = 0
  4. class MyProcess(multiprocessing.Process):
  5. def __init__(self, q):
  6. super(MyProcess, self).__init__()
  7. self.q = q
  8. def run(self):
  9. global tmp
  10. tmp = tmp+self.q
  11. print('进程%s,tmp值为%d'%(multiprocessing.current_process().name,tmp))
  12. if __name__ == '__main__':
  13. p1 = MyProcess(1)
  14. p2 = MyProcess(2)
  15. p1.start()
  16. p2.start()
  17. p1.join()
  18. p2.join()
  19. print('主进程%s,tmp值为%d'%(multiprocessing.current_process().name,tmp))

输出为:

进程MyProcess-1,tmp值为1
进程MyProcess-2,tmp值为2
主进程MainProcess,tmp值为0

所以多进程之间数据独立,通过id(tmp)也可以看出。但是对文件file这种存储在硬盘中的资源读写操作,或者一些通过multiprocessing 下 Value, Array创建的共享变量,对于这些资源进程之间会存在竞争,如果要避免多进程访问这种共享资源出现冲突,会使用进程锁的方式

共享内存的创建如下,具体方法这里省略

  1. from multiprocessing import Process, Value, Array
  2. def f(n, a):
  3. n.value = 3.1415927
  4. for i in range(len(a)):
  5. a[i] = -a[i]
  6. if __name__ == '__main__':
  7. num = Value('d', 0.0)
  8. arr = Array('i', range(10))
  9. p = Process(target=f, args=(num, arr))
  10. p.start()
  11. p.join()
  12. print(num.value)
  13. print(arr[:])

进程锁

进程锁可以避免因为多个进程访问共享资源而发生冲突,这里的共享资源不是像多线程中那样的全局变量,上面已经说了普通的全局变量不会在进程间共享,而是系统中的文件或者console输出这类系统的资源,还有特别的能在进程间通信的共享内存资源,这些能被进程竞争。

这里以文件为例,因为同一时间,只能有一个进程,对文件进行写入操作,这是操作系统的设定。同时由操作系统随机决定哪个进程来写入操作

  1. from multiprocessing import Process, Lock # 导入进程锁
  2. def f1(l,num):
  3. l.acquire() # 加锁
  4. f = open("file.txt", "a+")
  5. i = 10000
  6. while i > 0:
  7. f.write("hello word %s\n" % i)
  8. i -= 1
  9. print("process", num)
  10. f.close()
  11. l.release() # 释放锁
  12. def f2(l,num):
  13. l.acquire() # 加锁
  14. f = open("file.txt", "a+")
  15. i = 10000
  16. while i > 0:
  17. f.write("hello best word %s\n" % i)
  18. i -= 1
  19. print("process", num)
  20. f.close()
  21. l.release() # 释放锁
  22. if __name__ == "__main__":
  23. lock = Lock() # 定义锁
  24. p1 = Process(target=f1, args=(lock, 1,))
  25. p2 = Process(target=f2, args=(lock, 2,))
  26. p1.start()
  27. p2.start()
  28. p1.join()
  29. p2.join()

没有加锁的时候,会发现文档中一个进程写到一半,另一个进程的数据也写入,是乱序的(可以将锁去掉试试,这里不给出代码了)

加了锁后就会是正常一个进程写完,再另一个进程继续写入

进程队列Queue

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。

与线程中使用的队列Queue区别:

1.from queue import Queue:是一种队列模型数据结构,类似于普通列表,有先进先出模式,堆栈模式,优先级模式等

2.from multiprocessing import Queue:是多进程并发的Queue队列,用于解决多进程间的通信问题。可以将对象序列化传递再进程间,普通Queue实现不了。

主要方法还是get()与put()

put(obj[, block[, timeout]]):将对象放入队列。如果blocked为True(默认值),并且timeout为正值,该方法会阻塞timeout指定的时间,直到该队列有剩余的空间。如果超时,会抛出Queue.Full异常。如果blocked为False,但该Queue已满,会立即抛出Queue.Full异常。

get([block[, timeout]]):从队列取出一个对象,如果blocked为True(默认值),并且timeout为正值,那么在等待时间内没有取到任何元素,会抛出Queue.Empty异常。如果blocked为False,有两种情况存在,如果Queue有一个值可用,则立即返回该值,否则,如果队列为空,则立即抛出Queue.Empty异常。

close(): 指示当前进程将不会再往队列中放入对象。一旦所有缓冲区中的数据被写入管道之后,后台的线程会退出。这个方法在队列被gc回收时会自动调用。

  1. from multiprocessing import Process,Queue
  2. class book():
  3. Storage = False
  4. def __init__(self,name):
  5. self.name = name
  6. def storagebook(self):
  7. Storage = True
  8. print("%s has storaged"%self.name)
  9. def worker1(q):
  10. n = 1
  11. while n < 10:
  12. q.put(book("book-%d"%n))
  13. n+=1
  14. def worker2(q):
  15. while True:
  16. #qsize()返回队列长度
  17. if q.qsize() != 0:
  18. q.get().storagebook()
  19. else:
  20. break
  21. if __name__ == "__main__":
  22. q = Queue()
  23. p1 = Process(target=worker1, args=(q,))
  24. p2 = Process(target=worker2, args=(q,))
  25. p1.start() #这里先启动生产书的进程
  26. p2.start()
  27. p1.join()
  28. p2.join()

管道Pipe

通过multiprocessing.Pipe([duplex])会返回(conn1, conn2)一对Connection对象,代表一个管道的两个端。

Pipe()有duplex参数,如果duplex参数为True(默认值),那么这个管道是全双工模式,也就是说conn1和conn2均可收发。duplex为False,conn1只负责接受消息,conn2只负责发送消息。

send和recv方法分别是Connection对象的发送和接受消息的方法。例如,在全双工模式下,可以调用conn1.send发送消息,conn1.recv接收消息。如果没有消息可接收,recv方法会一直阻塞。如果管道已经被关闭,那么recv方法会抛出EOFError。

Connection对象方法主要有:

  • send(obj) 将一个对象发送到连接的另一端,可以用 recv() 读取。发送的对象必须是可以序列化的,过大的对象 ( 接近 32MiB+ ,这个值取决于操作系统 ) 有可能引发 ValueError 异常。
  • recv() 返回一个由另一端使用 send()发送的对象。该方法会一直阻塞直到接收到对象。 如果对端关闭了连接或者没有东西可接收,将抛出 EOFError 异常。
  • close() 关闭连接对象。当连接对象被垃圾回收时会自动调用。
  • poll([timeout]) 返回连接对象中是否有可以读取的数据。如果未指定 timeout ,此方法会马上返回。如果 timeout 是一个数字,则指定了最大阻塞的秒数。如果 timeout 是 None ,那么将一直等待,不会超时。

    from multiprocessing import Process,Pipe

    class book():

    1. Storage = False
    2. def __init__(self,name):
    3. self.name = name
    4. def storagebook(self):
    5. Storage = True
    6. print("%s has storaged"%self.name)

    def worker1(p):

    1. n = 1
    2. while n < 10:
    3. p.send(book("book-%d"%n))
    4. n+=1
    5. p.close()

    def worker2(p):

    1. while True:
    2. if p.poll(): #判断还有没有数据
    3. p.recv().storagebook()
    4. else:
    5. break

    if name == “main“:

    1. conn1, conn2 = Pipe(duplex=False)
    2. p1 = Process(target=worker1, args=(conn2,))
    3. p2 = Process(target=worker2, args=(conn1,))
    4. p1.start() #这里先启动生产书的进程
    5. p2.start()
    6. p1.join()
    7. p2.join()

进程池Pool

可以使用multiprocessing.Pool实现简单的多进程任务,进程池事先划分系统资源,并将资源分配给池中的进程,这些进程是创建Pool对象时已经创建及初始化好了的。当我们想创建新的进程任务时,新建的任务就可以直接取得Pool中的进程资源,而不用动态的从系统获取新的资源。如果进程池中没有可用的进程资源时,程序就会等待。

Pool类主要方法有:

  • apply(): 直到得到结果之前一直阻塞。同步操作
  • apply_async(): 这是 apply() 方法的一个变体,返回的是一个result对象。这是一个异步的操作,在所有的子类执行之前不会锁住主进程。
  • map(): 这是内置的 map() 函数的并行版本。在得到结果之前一直阻塞,此方法将可迭代的数据的每一个元素作为进程池的一个任务来执行。
  • map_async(): 这是 map() 方法的一个变体,返回一个result对象。如果指定了回调函数,回调函数应该是callable的,并且只接受一个参数。当result准备好时会自动调用回调函数(除非调用失败)。回调函数应该立即完成,否则,持有result的进程将被阻塞。

简单使用进程池

  1. import multiprocessing
  2. from multiprocessing import Process, Pool
  3. import time
  4. def func(sec):
  5. time.sleep(sec)
  6. print('当前进程:%s pid:%d' % (multiprocessing.current_process().name,
  7. multiprocessing.current_process().pid))
  8. if __name__ == '__main__':
  9. print('主进程开始:%s' % multiprocessing.current_process().name)
  10. s_time = time.time()
  11. p = Pool(5) # 创建pool对象,5表示池中创建5个进程
  12. for i in range(10):
  13. p.apply_async(func, args=(2,))
  14. p.close() # 关闭进程池,防止将任何其他任务提交到池中。需要在join之前调用,否则会报ValueError: Pool is still running错误
  15. p.join() # 等待进程池中的所有进程执行完毕
  16. print('主进程结束:%s' % multiprocessing.current_process().name)
  17. print('一共用时: ', time.time()-s_time)

打印结果如下

1685507-20190916113200903-540606939.png

可以看到我们创建的任务实际是用进程池里面的进程资源

使用callback

进程池中回调函数callback作用是:进程池中任何一个任务一旦处理完了,就立即告知主进程,主进程则调用一个函数去处理该结果,该函数即回调函数

使用callback的好处是可以将耗时的任务放在子进程中,等子进程有结果时再去通知主进程处理,实际就是异步操作的实现

把上面的例子改一下

  1. import multiprocessing
  2. from multiprocessing import Process, Pool
  3. import time
  4. def func(sec):
  5. time.sleep(1) # sleep一秒是为了模拟阻塞的情况
  6. print('当前进程:%s pid:%d' % (multiprocessing.current_process().name,
  7. multiprocessing.current_process().pid))
  8. return {multiprocessing.current_process().name: sec}
  9. def func2(res):
  10. print('当前进程:%s pid:%d' % (multiprocessing.current_process().name,
  11. multiprocessing.current_process().pid))
  12. print(res)
  13. if __name__ == '__main__':
  14. print('主进程开始:%s' % multiprocessing.current_process().name)
  15. s_time = time.time()
  16. p = Pool(5) # 创建pool对象,5表示池中创建5个进程
  17. for i in range(10):
  18. p.apply_async(func, args=(i,), callback=func2) # 使用callback
  19. p.close() # 关闭进程池,防止将任何其他任务提交到池中。需要在join之前调用,否则会报ValueError: Pool is still running错误
  20. p.join() # 等待进程池中的所有进程执行完毕
  21. print('主进程结束:%s' % multiprocessing.current_process().name)
  22. print('一共用时: ', time.time()-s_time)

打印结果如下

1685507-20190916133024758-1977156735.png

AsyncResult对象

由Pool.apply_async()和Pool.map_async()返回的result实例对象的类,主要方法有

  • get():返回结果,如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达,将引发multiprocessing.TimeoutError。
  • ready():如果调用完成,返回True
  • successful():如果调用完成且没有引发异常,返回True,如果在结果就绪之前调用此方法,引发AssertionError异常
  • wait([timeout]):等待结果变为可用。

示例如下

  1. import multiprocessing
  2. from multiprocessing import Process, Pool
  3. import time
  4. def func(sec):
  5. time.sleep(sec)
  6. print('当前进程:%s pid:%d' % (multiprocessing.current_process().name,
  7. multiprocessing.current_process().pid))
  8. return {multiprocessing.current_process().name: sec}
  9. if __name__ == '__main__':
  10. print('主进程开始:%s' % multiprocessing.current_process().name)
  11. s_time = time.time()
  12. p = Pool(5) # 创建pool对象,5表示池中创建5个进程
  13. result = []
  14. for i in range(10):
  15. result.append(p.apply_async(func, args=(i,)))
  16. p.close() # 关闭进程池,防止将任何其他任务提交到池中。需要在join之前调用,否则会报ValueError: Pool is still running错误
  17. p.join() # 等待进程池中的所有进程执行完毕
  18. for res in result:
  19. print(res.get()) #get()获取返回值
  20. print('主进程结束:%s' % multiprocessing.current_process().name)
  21. print('一共用时: ', time.time()-s_time)

与使用callback不同的是,这个需要子进程都结束后,才能在主进程中处理

map用法

进程池中map()方法等价于内置函数map(func, *iterables),也是一种创建进程任务的简化方法

内置函数map()是对iterables依次执行func(item),将执行结果组成一个 List 返回(python2是list,python3是map对象)

进程池中map()则是返回list,而map_async()返回的是AsyncResult的变体,要通过get()得到list

  1. import multiprocessing
  2. from multiprocessing import Process, Pool
  3. import time
  4. def func(sec):
  5. time.sleep(sec)
  6. print('当前进程:%s pid:%d' % (multiprocessing.current_process().name,
  7. multiprocessing.current_process().pid))
  8. return {multiprocessing.current_process().name: sec}
  9. if __name__ == '__main__':
  10. print('主进程开始:%s' % multiprocessing.current_process().name)
  11. s_time = time.time()
  12. p = Pool(5)
  13. result = p.map_async(func, range(10)) # map创建任务
  14. p.close()
  15. p.join()
  16. for res in result.get(): # map对象使用get方法返回list
  17. print(res)
  18. print(result.get())
  19. print('主进程结束:%s' % multiprocessing.current_process().name)
  20. print('一共用时: ', time.time()-s_time)

参考:https://docs.python.org/zh-cn/3/library/multiprocessing.html 以及部分网上资料

转载于:https://www.cnblogs.com/fengf233/p/11506337.html

发表评论

表情:
评论列表 (有 0 条评论,198人围观)

还没有评论,来说两句吧...

相关阅读

    相关 python进程总结

      概述 由于python中全局解释器锁(GIL)的存在,所以python多线程并不能有效利用CPU多核的性能(相当于单核并发)实现多线程多核并行,所以在对CPU密集型

    相关 Python进程

    Python多进程方面涉及到的模块主要包括: subprocess: 可以在当前程序中执行其他程序或命令 mmap:提供一种基于内存的进程间通信机制 mul