python 多进程
一、Python Multiprocessing 功能介绍
multiprocessing模块的功能众多：支持子进程、通信和共享数据、执行不同形式的同步，提供了Process、Queue、Pipe、Lock等组件。
1、Multiprocessing .Process类的介绍
Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动） 强调： 1. 需要使用关键字的方式来指定参数 2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号
参数介绍
group参数未使用，值始终为None target表示调用对象，即子进程要执行的任务 args表示调用对象的位置参数元组，args=(1,2,'egon',) kwargs表示调用对象的字典,kwargs={'name':'egon','age':18} name为子进程的名称
方法介绍：
p.start()：启动进程，并调用该子进程中的p.run()
p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法
p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁
p.is_alive():如果p仍然运行，返回True
p.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程
属性介绍：
p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置 p.name:进程的名称 p.pid：进程的pid p.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可) p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）
2、Multiprocessing 异常类介绍
1）ProcessError
exception multiprocessing.ProcessError The base class of all multiprocessing exceptions.
2）BufferTooShort
exception multiprocessing.BufferTooShort Exception raised by Connection.recv_bytes_into() when the supplied buffer object is too small for the message read. If e is an instance of BufferTooShort then e.args[0] will give the message as a byte string.
3）AuthenticationError
exception multiprocessing.AuthenticationError Raised when there is an authentication error.
4）TimeoutError
exception multiprocessing.TimeoutError
Raised by methods with a timeout when the timeout expires.
二、创建进程四种方式
1、通过Multiprocessing模块中的Process类，创建Process对象，通过对象参数target=“需要执行的子进程”
代码示例：
#开进程的方法一: import time import random from multiprocessing import Process def piao(name): print('%s piaoing' %name) time.sleep(random.randrange(1,5)) print('%s piao end' %name) p1=Process(target=piao,args=('egon',)) #必须加,号 p2=Process(target=piao,args=('alex',)) p3=Process(target=piao,args=('wupeqi',)) p4=Process(target=piao,args=('yuanhao',)) p1.start() p2.start() p3.start() p4.start() print('主线程')
2、通过继承Process类，创建子进程
代码示例：
import random from multiprocessing import Process class Piao(Process): def __init__(self,name): super().__init__() self.name=name def run(self): print('%s piaoing' %self.name) time.sleep(random.randrange(1,5)) print('%s piao end' %self.name) p1=Piao('egon') p2=Piao('alex') p3=Piao('wupeiqi') p4=Piao('yuanhao') p1.start() #start会自动调用run p2.start() p3.start() p4.start() print('主线程')
3、Python的OS模块封装了常见的系统调用，多进程的调用就是fork，可以使用python创建多进程。
import os ret = os.fork() # 返回值等于0时，子进程 print(ret) if ret>0: print("---父进程--%d-"%os.getpid()) else: print("---子进程---%d-%d-"%(os.getpid(),os.getppid()))
4、进程池Pool
pool 函数
Pool([numprocess [,initializer [, initargs]]]):创建进程池
参数介绍：
1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值 2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None 3 initargs：是要传给initializer的参数组
方法介绍：
p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async() p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。 p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成 P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用
其他方法
方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
obj.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，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
obj.ready():如果调用完成，返回True
obj.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，引发异常
obj.wait([timeout]):等待结果变为可用。
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数
样例：
from multiprocessing import Pool import os,time def work(n): print('%s run' %os.getpid()) time.sleep(3) return n**2 if __name__ == '__main__': p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务 res_l=[] for i in range(10): res=p.apply(work,args=(i,)) #同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞，但不管该任务是否存在阻塞，同步调用都会在原地等着，只是等的过程中若是任务发生了阻塞就会被夺走cpu的执行权限 res_l.append(res) print(res_l) 同步调用apply
from multiprocessing import Pool import os,time def work(n): print('%s run' %os.getpid()) time.sleep(3) return n**2 if __name__ == '__main__': p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务 res_l=[] for i in range(10): res=p.apply_async(work,args=(i,)) #同步运行,阻塞、直到本次任务执行完毕拿到res res_l.append(res) #异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果，否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了 p.close() p.join() for res in res_l: print(res.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get 异步调用apply_async
#一：使用进程池（异步调用,apply_async） #详解：apply_async与apply #coding: utf-8 from multiprocessing import Process,Pool import time def func(msg): print( "msg:", msg) time.sleep(1) return msg if __name__ == "__main__": pool = Pool(processes = 3) res_l=[] for i in range(10): msg = "hello %d" %(i) res=pool.apply_async(func, (msg, )) #维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去 res_l.append(res) print("==============================>") #没有后面的join，或get，则程序整体结束，进程池中的任务还没来得及全部执行完也都跟着主进程一起结束了 pool.close() #关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成 pool.join() #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束 print(res_l) #看到的是<multiprocessing.pool.ApplyResult object at 0x10357c4e0>对象组成的列表,而非最终的结果,但这一步是在join后执行的,证明结果已经计算完毕,剩下的事情就是调用每个对象下的get方法去获取结果 for i in res_l: print(i.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get #二：使用进程池（同步调用,apply） #coding: utf-8 from multiprocessing import Process,Pool import time def func(msg): print( "msg:", msg) time.sleep(0.1) return msg if __name__ == "__main__": pool = Pool(processes = 3) res_l=[] for i in range(10): msg = "hello %d" %(i) res=pool.apply(func, (msg, )) #维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去 res_l.append(res) #同步执行，即执行完一个拿到结果，再去执行另外一个 print("==============================>") pool.close() pool.join() #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束 print(res_l) #看到的就是最终的结果组成的列表 for i in res_l: #apply是同步的，所以直接得到结果，没有get()方法 print(i)
三、进程间通讯方法：
1、进程间通讯 方式有： 共享内存、队列，管道、信号
1）共享内存（Value, Array）Value, Array 不安全 -------> 升级 使用 multiprocessing.sharedctypes 安全
样例：
from multiprocessing import Process, Value, Array def f(n, a): n.value = 3.1415927 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[:])
a 、multiprocessing.sharedctypes
multiprocessing.sharedctypes.RawArray(typecode_or_type, size_or_initializer) Return a ctypes array allocated from shared memory. multiprocessing.sharedctypes.RawValue(typecode_or_type, *args) Return a ctypes object allocated from shared memory. multiprocessing.sharedctypes.Array(typecode_or_type, size_or_initializer, *, lock=True)¶ multiprocessing.sharedctypes.Value(typecode_or_type, *args, lock=True)¶ multiprocessing.sharedctypes.copy(obj) Return a ctypes object allocated from shared memory which is a copy of the ctypes object obj. multiprocessing.sharedctypes.synchronized(obj[, lock]) Return a process-safe wrapper object for a ctypes object which uses lock to synchronize access.
样例:
from multiprocessing import Process, Lock from multiprocessing.sharedctypes import Value, Array from ctypes import Structure, c_double class Point(Structure): _fields_ = [('x', c_double), ('y', c_double)] def modify(n, x, s, A): n.value **= 2 x.value **= 2 s.value = s.value.upper() for a in A: a.x **= 2 a.y **= 2 if __name__ == '__main__': lock = Lock() n = Value('i', 7) x = Value(c_double, 1.0/3.0, lock=False) s = Array('c', b'hello world', lock=lock) A = Array(Point, [(1.875,-6.25), (-5.75,2.0), (2.375,9.5)], lock=lock) p = Process(target=modify, args=(n, x, s, A)) p.start() p.join() print(n.value) print(x.value) print(s.value) print([(a.x, a.y) for a in A])
2) 队列（multiprocessing.Queues）
队列类 multiprocessing.Queue([maxsize]) 类参数及方法： 参数：maxsize #设置队列个数 方法： 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():获取队列中的一条消息，然后将其从列队中移除，可传参超时时长。 Queue.get_nowait()：相当Queue.get(False),取不到值时触发异常：Empty； Queue.put():将一个值添加进数列，可传参超时时长。 Queue.put_nowait():相当于Queue.get(False),当队列满了时报错：Full。 Queue.cancel_join_thread():不会在进程退出时自动连接后台线程。可以防止 join_thread()方法阻塞 Queue.close():关闭队列，防止队列中加入更多数据。调用此方法，后台线程将继续写入那些已经入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将调用此方法。关闭队列不会在队列使用者中产生任何类型的数据结束信号或异常。例如，如果某个使用者正在被阻塞在get()操作上，关闭生产者中的队列不会导致get()方法返回错误。 Queue.join_thread()：连接队列的后台线程。此方法用于在调用q.close()方法之后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread方法可以禁止这种行
样例：
''' multiprocessing模块支持进程间通信的两种主要形式:管道和队列 都是基于消息传递实现的,但是队列接口 ''' from multiprocessing import Process,Queue import time q=Queue(3) #put ,get ,put_nowait,get_nowait,full,empty q.put(3) q.put(3) q.put(3) print(q.full()) #满了 print(q.get()) print(q.get()) print(q.get()) print(q.empty()) #空了
补充：multiprocessing 提供 三种队列：Queues ，SimpleQueue，JoinableQueue
SimpleQueue：
class SimpleQueue(object): def empty(self): return False def get(self): pass def put(self, item): pass
JoinableQueue：
class JoinableQueue(multiprocessing.Queue): def task_done(self): pass def join(self): pass
三种队列区别：
multiprocessing.Queue默认不支持join()和task_done操作，这两个支持需要使用JoinableQueue对象。
JoinableQueue ：补充扩展 Queue 方法
SimpleQueue是一个简化的队列，去掉了Queue中的buffer，没有了使用Queue可能出现的问题，但是put和get方法都是阻塞的并且没有超时控制
3）管道(Pipe)
#创建管道的类： Pipe([duplex]): 在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调一点：必须在产生Process对象之前产生管道
方法原形： def Pipe(duplex=True): return Connection(), Connection()
#参数介绍： dumplex: 默认管道是全双工的，如果将duplex射成False，conn1只能用于接收，conn2只能用于发送。 返回 Connection 类 class Connection(object) Connection方法： #主要方法： conn1.recv(): 接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已经关闭，那么recv方法会抛出EOFError。 conn1.send(obj): 通过连接发送对象。obj是与序列化兼容的任意对象 #其他方法： conn1.close(): 关闭连接。如果conn1被垃圾回收，将自动调用此方法 conn1.fileno(): 返回连接使用的整数文件描述符 conn1.poll([timeout]): 如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返回结果。如果将timeout射成None，操作将无限期地等待数据到达。 conn1.recv_bytes([maxlength]): 接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息，超过了这个最大值，将引发IOError异常，并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭，再也不存在任何数据，将引发EOFError异常。 conn.send_bytes(buffer [, offset [, size]])： 通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数进行接收 conn1.recv_bytes_into(buffer [, offset]): 接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的缓冲区接口（即bytearray对象或类似的对象）。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。 介绍
样例：
from multiprocessing import Process,Pipe import time,os def consumer(p,name): left,right=p left.close() while True: try: baozi=right.recv() print('%s 收到包子:%s' %(name,baozi)) except EOFError: right.close() break def producer(seq,p): left,right=p right.close() for i in seq: left.send(i) # time.sleep(1) else: left.close() if __name__ == '__main__': left,right=Pipe() c1=Process(target=consumer,args=((left,right),'c1')) c1.start() seq=(i for i in range(10)) producer(seq,(left,right)) right.close() left.close() c1.join() print('主进程') #基于管道实现进程间通信（与队列的方式是类似的，队列就是管道加锁实现的）
4）信号（signal）
样例：
import os import signal from time import sleep def onsigchld(a,b): print '收到子进程结束信号' signal.signal(signal.SIGCHLD,onsigchld) pid = os.fork() if pid == 0: print '我是子进程,pid是',os.getpid() sleep(2) else: print '我是父进程,pid是',os.getpid() os.wait() #等待子进程结束
import os import signal from time import sleep import Queue QCOUNT = Queue.Queue() #初始化队列 def onsigchld(a,b): '''''''收到信号后向队列中插入一个数字1''' print '收到SIGUSR1信号' sleep(2) QCOUNT.put(1) #向队列中写入 def exithanddle(s,e): raise SystemExit('收到终止命令,退出程序') signal.signal(signal.SIGUSR1,onsigchld) #绑定信号处理函数 signal.signal(signal.SIGINT,exithanddle) #当按下Ctrl + C 终止进程 while 1: print '我的pid是',os.getpid() print '现在队列中元素的个数是',QCOUNT.qsize() sleep(2)
''''''' 使用多线程向另外一个进程发送信号 ''' import threading import os import signal def sendusr1(): print '发送信号' #这里的进程id需要写前一个程序实际运行的pid os.kill(17788, signal.SIGUSR1) WORKER = [] #开启6个线程 for i in range(1, 7): threadinstance = threading.Thread(target = sendusr1) WORKER.append(threadinstance) for i in WORKER: i.start() for i in WORKER: i.join() print '主线程完成'
5）共享数据（Manager）
def Manager(): return multiprocessing.SyncManager() Barrier(parties[, action[, timeout]]) Create a shared threading.Barrier object and return a proxy for it. New in version 3.3. BoundedSemaphore([value]) Create a shared threading.BoundedSemaphore object and return a proxy for it. Condition([lock]) Create a shared threading.Condition object and return a proxy for it. If lock is supplied then it should be a proxy for a threading.Lock or threading.RLock object. Changed in version 3.3: The wait_for() method was added. Event() Create a shared threading.Event object and return a proxy for it. Lock() Create a shared threading.Lock object and return a proxy for it. Namespace() Create a shared Namespace object and return a proxy for it. Queue([maxsize]) Create a shared queue.Queue object and return a proxy for it. RLock() Create a shared threading.RLock object and return a proxy for it. Semaphore([value]) Create a shared threading.Semaphore object and return a proxy for it. Array(typecode, sequence) Create an array and return a proxy for it. Value(typecode, value) Create an object with a writable value attribute and return a proxy for it. dict() dict(mapping) dict(sequence) Create a shared dict object and return a proxy for it. list() list(sequence) Create a shared list object and return a proxy for it.
举例：
from multiprocessing import Manager,Process,Lock import os def work(d,lock): # with lock: #不加锁而操作共享的数据,肯定会出现数据错乱 d['count']-=1 if __name__ == '__main__': lock=Lock() with Manager() as m: dic=m.dict({'count':100}) p_l=[] for i in range(100): p=Process(target=work,args=(dic,lock)) p_l.append(p) p.start() for p in p_l: p.join() print(dic) #{'count': 94} 进程之间操作共享的数据
四、进程间 同步与互斥
1、Semaphore，Event，Lock，RLock，Condition
Semaphore：信号量（一次性可 设置多把锁）
class Semaphore(object): def __init__(self, value=1): #value 设置 多少把锁 默认与Lock 一样 pass def acquire(self, blocking=True, timeout=None): #获取资源 pass def release(self): #释放资源 pass
样例：
from multiprocessing import Process,Semaphore import time,random def go_wc(sem,user): sem.acquire() print('%s 占到一个茅坑' %user) time.sleep(random.randint(0,3)) #模拟每个人拉屎速度不一样，0代表有的人蹲下就起来了 sem.release() if __name__ == '__main__': sem=Semaphore(5) p_l=[] for i in range(13): p=Process(target=go_wc,args=(sem,'user%s' %i,)) p.start() p_l.append(p) for i in p_l: i.join()
Event： 事件（通过设置 标志位 获取 访问权限 ）
class Event(object): def is_set(self): #判断flag 是否为True 是的话 返回True 不是 返回false return False def set(self): #使flag为Ture 然后程序会停止运行 进入运行状态 pass def clear(self): #使flag为false 然后程序会停止运行 进入阻塞状态 pass def wait(self, timeout=None): #插入在进程中插入一个标记（flag） 默认为 false 然后flag为false时 程序会停止运行 进入阻塞状态 pass
样例：
from multiprocessing import Process,Event import time,random def car(e,n): while True: if not e.is_set(): #Flase print('\033[31m红灯亮\033[0m，car%s等着' %n) e.wait() print('\033[32m车%s 看见绿灯亮了\033[0m' %n) time.sleep(random.randint(3,6)) if not e.is_set(): continue print('走你,car', n) break def police_car(e,n): while True: if not e.is_set(): print('\033[31m红灯亮\033[0m，car%s等着' % n) e.wait(1) print('灯的是%s，警车走了,car %s' %(e.is_set(),n)) break def traffic_lights(e,inverval): while True: time.sleep(inverval) if e.is_set(): e.clear() #e.is_set() ---->False else: e.set() if __name__ == '__main__': e=Event() # for i in range(10): # p=Process(target=car,args=(e,i,)) # p.start() for i in range(5): p = Process(target=police_car, args=(e, i,)) p.start() t=Process(target=traffic_lights,args=(e,10)) t.start()
Lock （与linux PV 操作类似； 容易造成死锁）
class Lock(object): def acquire(self, blocking=True, timeout=-1): #获取锁资源 参数：blocking True：阻塞状态； Flase:当块参数设置为false时，方法调用不会阻塞。如果锁当前处于锁定状态，则返回False；否则将锁设置为锁定状态并返回True。 timeout：设置等 pass def release(self): #释放资源 pass
样例：
from multiprocessing import Process,Lock import os,time def work(lock): lock.acquire() print('%s is running' %os.getpid()) time.sleep(2) print('%s is done' %os.getpid()) lock.release() if __name__ == '__main__': lock=Lock() for i in range(3): p=Process(target=work,args=(lock,)) p.start()
RLock（递归锁） RLock允许在同一线程中被多次acquire
class RLock(object): def acquire(self, blocking=True, timeout=-1): #获取锁资源 参数：blocking True：阻塞状态； Flase:当块参数设置为false时，方法调用不会阻塞。如果锁当前处于锁定状态，则返回False；否则将锁设置为锁定状态并返回True。 timeout：设置等 pass def release(self): #释放资源 pass def __enter__(self): pass def __exit__(self, exc_type, exc_val, exc_tb): pass
举例：
def showdata(lock, i): with lock: time.sleep(2) print(i) if __name__ == "__main__": lock = multiprocessing.RLock() # 创建锁 for num in range(10): multiprocessing.Process(target=showdata, args=(lock, num)).start()
Condition（条件变量）
class Condition(object): def __init__(self, lock=None): pass def acquire(self, *args): pass def release(self): pass def wait(self, timeout=None): pass def wait_for(self, predicate, timeout=None): pass def notify(self, n=1): pass def notify_all(self): pass
