关于多进程详解

进程详解

并行与并发怎么理解？

• 并发：当前任务数多于处理器的核心数，称之为并发
• 并行：当前任务数少于或等于处理器核心数，称之为并行

为了充分利用多核CPU资源，Python中大部分情况下都需要使用多进程。

在python中我们如何创建多进程？

• 进程和线程的区别？

  我们经常迷惑于多进程和多线程，长的好像一样，但是他们有本质上的区别，很多大佬也对进程和线程的概念做了很多通俗易懂的解释，这里我们引用阮一峰老师的博文，大家可以先去看看，理清楚线程和进程的区别。

进程与线程的一个简单解释

• python如何创建多进程？
  1. 使用os.fork()的方法创建多进程
  2. 使用multiprocessing创建多进程
  3. 使用multiprocessing中Pool创建进程池对象

创建多进程的方法有什么区别？

• 使用os 模块中的 os.fork()创建进程

  import os
  res = os.fork()
  if res == 0:  # 子进程返回的值恒等于0
      print('这是子进程%s',os.getpid())  # 获取子进程ID
  else:
      print('这是父进程%s',os.getppid())  # 获取父进程ID

  在这里使用os.fork()创建进程后会返回两个值，其中一个值为零。另一个值为创建的子进程ID，在这里可以使用os.getpid()获取子进程的ID，可以使用os.getppid()获取父进程ID。

  需要注意的是：在os.fork()创建的子进程中，父进程和子进程执行的是一样的任务，并且在执行的任务结束时，父进程会自行结束，不会等待子进程结束之后结束。

• 使用multiprocessing模块创建多进程

  multiprocessing中提供了Process类来生成进程实例

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

  1. group分组，实际上不使用
  2. target表示调用对象，传入任务执行函数作为参数
  3. args表示给调用对象以元组的形式提供参数，比如target是函数a，他有两个参数m，n，那么该参数为args=(m, n)即可，只有一个参数时。该参数为args=(m,)
  4. kwargs表示调用对象的字典
  5. name是别名，相当于给这个进程取一个名字

  同时在Process类中提供以下几个方法用于实现进程的操作：

  1. start()让进程执行target调用的对象
  2. join()阻塞，默认主进程，不会等到子进程结束后结束，需要使用join()使得主进程等待子进程执行结束后结束
  3. terminate()结束当前，无论任务是否完成

  举个栗子：

  # multiprocess
  import os
  from multiprocessing import Process
  def test(i):
  	print('-----1111-----%s----%s' % (os.getpid(),os.getppid()),i)
  if __name__ == '__main__':
  	for i in range(1,10):
  		p = Process(target=test,args=(i,))
  		print(os.getpid())
  		p.start()
  # 输出
  5224
  5224
  5224
  5224
  5224
  5224
  5224
  5224
  -----1111-----4704----5224 1
  -----1111-----1292----5224 4
  -----1111-----5276----5224 2
  -----1111-----5152----5224 6
  5224
  -----1111-----5196----5224 5
  -----1111-----5272----5224 3
  -----1111-----4640----5224 7
  -----1111-----5684----5224 8
  -----1111-----1044----5224 9
  [Finished in 1.3s]

• 使用multiprocessing中的Pool类创建进程池对象

  使用Pool类创建进程的方法和使用Process类创建进程的方法基本类似。

  注意以下几点：

  1. pool.apply_async()非阻塞
  2. pool.apply()阻塞
  3. pool.join()主进程，创建/添加任务之后，主进程默认不会等待进程池中的任务执行完后才结束，而是当主进程的任务完成后，立马结束，如果没有添加join()会导致进程池中的任务不执行。

  举个栗子：

  # pool
  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))
  
  
  def main():
  	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-----")
  
  
  if __name__ == '__main__':
  	main()

进程之间如何通信？

进程间通信有很多中方式，包含但不限于命名管道，无名管道，共享内存，队列等。主要学习一下队列-Queue的使用：

• Queue的使用：

  1. Queue.qsize()：返回当前队列包含的消息数量；
  2. Queue.empty()：如果队列为空，返回True，反之False；
  3. Queue.full()：如果队列满了，返回True,反之False；
  4. 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；
  5. Queue.get_nowait()：相当Queue.get(False)；
  6. Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True；
  7. Queue.put_nowait(item)：相当Queue.put(item, False)；

  首先实例化Queue对象，例如：p = Queue(num)其中num可以为空或负数代表可接受的消息无上限。

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

  举个栗子：

  #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())

  再举个栗子：

  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'

• 进程池中的Queue的使用：

  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.

  举个栗子：

  #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 "dongGe":
          q.put(i)
  
  if __name__=="__main__":
      print("(%s) start"%os.getpid())
      q=Manager().Queue() #使用Manager中的Queue来初始化
      po=Pool()
      #使用阻塞模式创建进程，这样就不需要在reader中使用死循环了，可以让writer完全执行完成后，再用reader去读取
      po.apply(writer,(q,))
      po.apply(reader,(q,))
      po.close()
      po.join()
      print("(%s) End"%os.getpid())