Python多进程(multiprocessing）
pre
＃2024
github/python/devops
Unix/Linux操作系统提供了一个fork()系统调用，它非常特殊。普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回。
子进程永远返回0，而父进程返回子进程的ID。这样做的理由是，一个父进程可以fork出很多子进程，所以，父进程要记下每个子进程的ID，而子进程只需要调用getppid()就可以拿到父进程的ID。
Python的os模块封装了常见的系统调用，其中就包括fork，可以在Python程序中轻松创建子进程：
evan@evanpc:~/pytest$ cat mu.py
#!/usr/bin/python
import os
print 'Process (%s) start...' %os.getpid()
pid = os.fork()
if pid==0:
print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid())
else:
print 'I (%s) just created a child process (%s).' %(os.getpid(),pid)
evan@evanpc:~/pytest$ python mu.py
Process (7725) start...
I (7725) just created a child process (7726).
I am child process (7726) and my parent is 7725.
multiprocessing
multiprocessing是要比fork更高级的库了，使用multiprocessing可以更加轻松的实现多进程程序。multiprocessing也提供了很多进程同步和进程通信的方法。
由于Python是跨平台的，自然也应该提供一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。
multiprocessing模块提供了一个Process类来代表一个进程对象，下面的例子演示了启动一个子进程并等待其结束：
evan@evanpc:~/pytest$ cat multi.py
#!/usr/bin/python
from multiprocessing import Process
import os
def run_proc(name):
print 'Run child process %s (%s)...' %(name, os.getpid())
if __name__ == '__main__':
print 'Parent process %s.' % os.getpid()
p = Process(target=run_proc,args=('test',))
print 'Process will start.'
p.start()
p.join()
print 'Process end.'
evan@evanpc:~/pytest$ python multi.py
Parent process 7572.
Process will start.
Run child process test (7573)...
Process end.
#!/usr/bin/env python
import multiprocessing
import time
def clock(interval):
while True:
print "The time is {0}".format(time.ctime())
time.sleep(interval)
if __name__ == "__main__":
for i in range(3):
p = multiprocessing.Process(target=clock,args=(1,))
p.start()
p.join()
'''
join()代表启动多进程，但是阻塞并发运行，一个进程执行结束后再执行第二个进程。可以给其设置一个timeout值比如join(5)代表5秒后无论当前进程是否结果都继续并发执行第二个进程
程序运行结果
The time is Mon Dec 19 17:25:14 2016
The time is Mon Dec 19 17:25:15 2016
The time is Mon Dec 19 17:25:16 2016
省略
'''
二:进程同步 对于一些互斥的资源来说，进程间需要进程互斥来访问。否则导致资源访问受阻，或者最后的结果混乱等情况。对于标准输出这个资源来说，如果多个资源同属输出信息，可能会导致输出的信息混乱。所以需要使用锁来避免资源互斥访问。
#!/usr/bin/python
#-*- codign:utf-8 -*-
from multiprocessing import Process, Lock
def f(l,i):
l.acquire()
print "hellow world", i
l.release()
if __name__ == "__main__":
lock = Lock()
for num in range(10):
Process(target=f, args=(lock,num)).start()
'''
程序运行结果
hellow world 0
hellow world 5
hellow world 1
hellow world 4
hellow world 3
hellow world 9
hellow world 7
hellow world 8
hellow world 6
hellow world 2
'''
进程共享变量
几个进程之间的都拥有自己独立的命名空间和地址空间，无法通过一些全局变量来实现，multiprocessing提供了一些特殊的函数来实现共享变量。
1.Value,Array的方式
#!/usr/bin/python
#-*- coding:utf-8 -*-
from multiprocessing import Process, Value,Array
def f(n,a):
n.value=3.1415926
for i in range(len(a)):
a[i]=-a[i]
if __name__ == "__main__":
num =Value('d',0.0)
arr = Array('i',range(10))
p=Process(target=f,args=(num,arr))
p.start()
p.join()
print num.value
print arr[:]
'''
join()代表启动多进程
启动子进程p p.start()
Value()和Array()都有两个参数第一个参数代表存放的值的类型，第二个参数代表其值。
运行结果
3.1415926
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
'''
2.Manager的方式
这个方式支持的类型更多，灵活性更大，但是速度要慢于Value,Array。
#!/usr/bin/python
#-*- codign:utf-8 -*-
from multiprocessing import Process,Manager
def f(d,l):
d[1]='1'
d['2']=2
d[0.25]=None
l.reverse()
if __name__=="__main__":
manager = Manager()
d=manager.dict()
l=manager.list(range(10))
p=Process(target=f,args=(d,l))
p.start()
p.join()
print d
print l
'''
运动结果
{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
'''
Pool
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：
#!/usr/bin/python
#-*- coding: utf-8 -*-
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print 'Run task %s (%s)...' % (name, os.getpid())
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print 'Task %s runs %0.2f seconds.' % (name, (end - start))
if __name__=='__main__':
print 'Parent process %s.' % os.getpid()
p = Pool()
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print 'Waiting for all subprocesses done...'
p.close()
p.join()
print 'All subprocesses done.'
运行结果
evan@evanpc:~/dkm/python/test$ python pool.py
Parent process 23349.
Waiting for all subprocesses done...
Run task 0 (23350)...
Run task 1 (23351)...
Run task 2 (23352)...
Run task 3 (23353)...
Task 3 runs 1.04 seconds.
Run task 4 (23353)...
Task 4 runs 0.05 seconds.
Task 2 runs 1.37 seconds.
Task 0 runs 1.80 seconds.
Task 1 runs 2.92 seconds.
All subprocesses done.
代码解读：
对Pool对象调用join()方法会等待所有子进程执行完毕，调用join()之前必须先调用close()，调用close()之后就不能继续添加新的Process了。
请注意输出的结果，task 0，1，2，3是立刻执行的，而task 4要等待前面某个task完成后才执行，这是因为Pool的默认大小在我的电脑上是4，因此，最多同时执行4个进程。这是Pool有意设计的限制，并不是操作系统的限制。如果改成：
p = Pool(5)
就可以同时跑5个进程。
由于Pool的默认大小是CPU的核数，如果你不幸拥有8核CPU，你要提交至少9个子进程才能看到上面的等待效果。
#!/usr/bin/python
#-*- coding:utf-8 -*-
from multiprocessing import Pool
def f(x):
return x*x
if __name__ == '__main__':
pool = Pool(processes=5)
result = pool.apply_async(f,[10])
print result
print result.get(timeout=1)
print pool.map(f,range(10))
'''
解说
pool常用的函数有:
apply 开启多个进程并发执行
apply_async 同上，但是这个是异步的，非阻塞的。
map 类似于内建函数map，后面提供的参数列表会一个一个应用于函数,。这里会开发多个进程并发一起执行。
map_async 和map相同，只不过这是一个异步的，不会阻塞等待结果。该函数会返回一个结果对象。
运行结果
<multiprocessing.pool.ApplyResult object at 0x7f548909ce10>
100
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
'''
进程间通信
Process之间肯定是需要通信的，操作系统提供了很多机制来实现进程间的通信。Python的multiprocessing模块包装了底层的机制，提供了Queue、Pipes等多种方式来交换数据。
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：
#!/usr/bin/python
# -*- coding:utf-8 -*-
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:
value = q.get(True)
print 'Get %s from queue.' %value
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()
'''#启动子进程pr，读取:'''
pr.start()
'''#等待pw结束:'''
pw.join()
'''#pr进程里是死循环，无法等待其结束，只能强行终止:'''
pr.terminate()
'''
Put A to queue ...
Get A from queue.
Put B to queue ...
Get B from queue.
Put C to queue ...
Get C from queue.
'''
#!/usr/bin/python
#-*- coding:utf-8 -*-
from multiprocessing import Process, Queue
def f(q):
q.put([1,2,3,4])
if __name__ == '__main__':
# 父进程创建Queue，并传给各个子进程：
q=Queue()
p=Process(target=f,args=(q,))
p.start()
### 读数据进程执行的代码:
print q.get()
p.join()
'''
#运行结果
[1, 2, 3, 4]
'''
参考
