标签：write 并行 最大 rand ESS 初始 方式 manager 进程间通信
目录
进程以及状态
进程的创建--multiprocessing
进程、线程对比
进程间通信--Queue
一、进程的创建--multiprocessing
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
1.2个while循环一起执行
# -*- coding:utf-8 -*-
from multiprocessing import Process
import time
def run_proc():
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
2.进程pid
# -*- coding:utf-8 -*-
from multiprocessing import Process
import os
import time
def run_proc():
‘‘‘子进程要执行的代码‘‘‘
print(‘子进程运行中，pid=%d...‘ % os.getpid()) #os.getpid获取当前进程的进程号
print(‘子进程将要结束‘)
if __name__ = ‘__main__‘:
print(‘父进程pid: %d‘ % os.getpid()) #os.getpid获取当前进程的进程号
p = process(target=run_proc)
p.start()
3.Process语法结构如下
Process([group] [, 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
group:指定进程组，大多数惊恐下用不到
Process创建的实例对象的常用方法
start（）：启动子进程（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）
4.给子进程指定的函数传递参数
# -*- coding:utf-8 -*-
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秒钟之后，立即结束子进程
p.terminate()
p.join()
5.进程间不同享全局变量
# -*- coding:utf-8 -*-
from multiprocessing import Process
import os
import time
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)
time.sleep(1)
print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))
def work2():
"""子进程要执行的代码"""
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()
三、进程、线程对比
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
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），使的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于心效率
线程不能独立运行，必须依存在进程中
可以将进程理解为工厂中国呢的一条流水线，而其中的线程就是这个流水线上的工人
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
四、进程间通信--Queue
Process之间又是需要通信，操作系统提供了很多机制来实现进程间的通信
1.Queue的使用
可以使用multiprocess模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序，首先用一个小实例来演示以下Queue的工作原理
#coding=utf-8
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，然后将其从队列中移除，block默认值为True
1）如果block使用默认值，且没有设置timeout（单位秒），消息队列如果为空，此时程序将被阻塞（停在读取状态），直到从消息队列读到消息为止，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），消息队列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），直到从消息队列腾出空间为止，
如果设置了timeout秒，若还没有空间，则抛出“Queue.put”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)
2.Queue实例
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()
# pr进程里是死循环，无法等待其结束，只能强行终止:
print(‘‘)
print(‘所有数据都写入并且读完‘)
五、进程池Pool
当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态的生成多个进程，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来执行该请求；但如果池中但进程数
已经达到指定但最大值，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
# -*- coding:utf-8 -*-
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-----")
multiprocessing.pool常用函数解析
apply_async(func[, args[, kwargs]]):使用非阻塞方式调用func（并行执行，阻塞方式必须等待上一个进程推出才能执行下一个进程），args为传递给
func的参数列表，kwargs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，等待子进程的推出，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
# -*- coding:utf-8 -*-
# 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 "xiaoshust":
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())
标签：write 并行 最大 rand ESS 初始 方式 manager 进程间通信
原文地址：https://www.cnblogs.com/xiaoshust/p/11877356.html
