多进程

一、多任务原理

• 概念

  现代操作系统比如Mac OS X，UNIX，Linux，Windows等，都是支持“多任务”的操作系统

• 什么叫多任务？

  就是操作系统可以同时运行多个任务

• 单核CPU实现多任务原理

  操作系统轮流让各个任务交替执行，QQ执行2us（微秒），切换到微信，在执行2us，再切换到陌陌，执行2us……。表面是看，每个任务反复执行下去，但是CPU调度执行速度太快了，导致我们感觉就像所有任务都在同时执行一样

• 多核CPU实现多任务原理

​          真正的秉性执行多任务只能在多核CPU上实现，但是由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行

• 并发与并行

  • 并发

    CPU调度执行速度太快了,看上去一起执行，任务数多于CPU核心数

  • 并行

    真正一起执行，任务数小于等于CPU核心数

  • 并发是逻辑上的同时发生，并行更多是侧重于物理上的同时发生。

• 实现多任务的方式

  • 多进程模式

    启动多个进程，每个进程虽然只有一个线程，但是多个进程可以一起执行多个任务

  • 多线程模式

    启动一个进程，在一个进程的内部启动多个线程，这样多个线程也可以一起执行多个任务

  • 多进程+多线程

    启动多个进程，每个进程再启动多个线程

  • 协程

  • 多进程+协程 

二、进程

1、概念

• 什么是进程？

  是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，是操作系统结构的基础。

• 对于操作系统

  一个任务就是一个进程。比方说打开浏览器就是启动一个浏览器的进程，在打开一个记事本就启动一个记事本进程，如果打开两个记事本就启动两个记事本进程

2、使用进程

• 单进程现象

  需要等待代码执行完后再执行下一段代码

import time

def run1():
    while 1:
        print("lucky is a good man")
        time.sleep(1)

def run2():
    while 1:
        print("lucky is a nice man")
        time.sleep(1)

if __name__ == "__main__":
    run1()
    # 不会执行run2()函数，只有上面的run1()结束才能执行run2()
    run2()

 

• 启动进程实现多任务

  • multiprocessing模块

    跨平台的多进程模块，提供了一个Process类用来实例化一个进程对象

  • Process类

    作用：创建进程(子进程)

  • __name__

（说明：这个知识点跟进程没关系。）

my_test.py

 print(__name__)

if __name__ == '__main__':
    print('我是my_test.py')

 

main.py

 import my_test

 

当执行 my_test.py 时，结果是：

__main__
我是my_test.py

当执行 main.py 时，结果是：

my_test

• • Windows 上多进程的实现问题：在 Windows 上，子进程会自动 import 启动它的这个文件，而在 import 的时候是会执行这些语句的。如果这样话就会无限递归创建子进程报错。所以必须把创建子进程的部分用那个 if 判断保护起来，import 的时候 __name__ 不是 __main__ ，就不会递归运行了。所以Windows系统一定要写__name__="__main__"。

• • 启动进程实现多任务

    from multiprocessing import Process

    创建子进程

    P = Process(target=run,args=("nice",),name='当前进程名称')

    • target指定 子进程运行的函数

    • args 指定传递的参数 , 是元组类型

    • 启动进程：Process对象.start()

    • 参数	说明
      target	指定进程执行的任务
      args	给进程函数传递的参数，是一个元组

    获取进程信息

    • os.getpid() 获取当前进程id号
    • os.getppid() 获取当前进程的父进程id号
    • multiprocessing.current_process().name 获取当前进程名称

    父子进程的先后顺序

    • 默认 父进程的结束不能影响子进程 让父进程等待子进程结束再执行父进程

    • p.join() 阻塞当前进程，直到调用join方法的那个进程执行完，再继续执行当前进程。

    • 全局变量在过个进程中不能共享

      注意: 在子线程中修改全局变量时对父进程中的全局变量没有影响

  • 示例代码 

from multiprocessing import Process

def speak():
    print('laughing is a good man')

if __name__ == '__main__':
    p = Process(target=speak)
    p.start()
    print('over')

输出结果：

over
laughing is a good man

当加上 p.join()  时，主程序等待子程序执行

from multiprocessing import Process

def speak():
    print('laughing is a good man')

if __name__ == '__main__':
    p = Process(target=speak)
    p.start()
    p.join()
    print('over')

执行结果：

laughing is a good man
over

 

多任务案例：

from multiprocessing import Process
import time

def speak():
    print('laughing is a good man')
    time.sleep(1)

if __name__ == '__main__':
    t = time.time()
    l = []
    # 循环创建多个子进程
    for i in range(5):
        # 创建了process对象
        p = Process(target=speak)
        p.start()
        l.append(p)

    # 循环集体等待
    for i in l:
        i.join()  # 主程序等待子程序执行
    print('over')
    print(time.time() - t)

输出结果：

laughing is a good man
laughing is a good man
laughing is a good man
laughing is a good man
laughing is a good man
over
1.2859210968017578

 

• • • 主进程负责调度

      主进程主要做的是调度相关的工作，一般不负责具体业务逻辑

      import time
      from multiprocessing import Process
      
      def run1():
          for i in range(7):
              print("lucky is a good man")
              time.sleep(1)
      
      def run2(name, word):
          for i in range(5):
              print("%s is a %s man"%(name, word))
              time.sleep(1)
      
      if __name__ == "__main__":
          t1 = time.time()
      
          # 创建两个进程分别执行run1、run2
          p1 = Process(target=run1)
          p2 = Process(target=run2, args=("lucky", "cool"))
      
          # 启动两个进程
          p1.start()
          p2.start()
      
          # 查看耗时
          t2 = time.time()
          print("耗时：%.2f"%(t2-t1))

    • 父子进程的先后顺序

      主进程的结束不能影响子进程，所以可以等待子进程的结束再结束主进程，等待子进程结束，才能继续运行主进程

      p.join() 阻塞当前进程，直到调用join方法的那个进程执行完，再继续执行当前进程。

      import time
      from multiprocessing import Process
      
      def run1():
          for i in range(7):
              print("lucky is a good man")
              time.sleep(1)
      
      def run2(name, word):
          for i in range(5):
              print("%s is a %s man"%(name, word))
              time.sleep(1)
      
      if __name__ == "__main__":
          t1 = time.time()
      
          p1 = Process(target=run1)
          p2 = Process(target=run2, args=("lucky", "cool"))
      
          p1.start()
          p2.start()
      
          # 主进程的结束不能影响子进程，所以可以等待子进程的结束再结束主进程
          # 等待子进程结束，才能继续运行主进程
          p1.join()
          p2.join()
      
          t2 = time.time()
          print("耗时：%.2f"%(t2-t1))

3、全局变量在多个子进程中不能共享

原因:

​ 在创建子进程时对全局变量做了一个备份,父进程中num变量与子线程中的num不是一个变量

from multiprocessing import Process
#全局变量在进程中 不能共享
num = 10
def run():
    print("我是子进程的开始")
    global num
    num+=1
    print(num)
    print("我是子进程的结束")
if __name__=="__main__":
    p = Process(target=run)
    p.start()
    p.join()

    print(num)

尝试列表是否能共享

from multiprocessing import Process
#全局变量在进程中 不能共享
mylist = []
def run():
    print("我是子进程的开始")
    global mylist
    mylist.append(1)
    mylist.append(2)
    mylist.append(3)
    print("我是子进程的结束")

if __name__=="__main__":
    p = Process(target=run)
    p.start()
    p.join()

    print(mylist)

4、启动大量子进程

• • • 获取CPU核心数

      print('CPU number:' + str(multiprocessing.cpu_count()))

    • 导入

      from multiprocesssing import Pool

    • 开启并发数

      pp = Pool([参数]) #开启并发数 默认是你的核心数

    • 创建子进程,并放入进程池管理

      apply_async为非阻塞模式(并发执行)

      pp.apply_async(run,args=(i,)) #args参数 可以为元组 或者是列表[]

    • 关闭进程池

      pp.close()关闭进程池

    • join()

      在调用join之前必须先调用close,调用close之后就不能再继续添加新的进程了

      pp.join()

      进程池对象调用join，会等待进程池中所有的子进程结束完毕再去执行父进程

    • 实例

      # Pool类：进程池类
      from multiprocessing import Pool
      import time
      import random
      import multiprocessing
      
      def run(index):
          print('CPU number:' + str(multiprocessing.cpu_count()))
          print("子进程 %d 启动"%(index))
          t1 = time.time()
          time.sleep(random.random()* 5+2)
          t2 = time.time()
          print("子进程 %d 结束，耗时：%.2f" % (index, t2-t1))
      
      if __name__ == "__main__":
          print("启动主进程……")
      
          # 创建进程池对象
          # 由于pool的默认值为CPU的核心数，假设有4核心，至少需要5个子进程才能看到效果
          # Pool()中的值表示可以同时执行进程的数量
          pool = Pool(2)
          for i in range(1, 7):
              # 创建子进程，并将子进程放到进程池中统一管理
              pool.apply_async(run, args=(i,))
      
          # 等待子进程结束
          # 关闭进程池：在关闭后就不能再向进程池中添加进程了
          # 进程池对象在调用join之前必须先关闭进程池
          pool.close()
          #pool对象调用join，主进程会等待进程池中的所有子进程结束才会继续执行主进程
          pool.join()
      
          print("结束主进程……")

      get方法：获取进程的返回值

      from multiprocessing import Lock, Pool
      import time
      
      def function(index):
          print('Start process: ', index)
          time.sleep(2)
          print('End process', index)
          return index
      	
      if name == 'main':
          pool = Pool(processes=3)
          for i in range(4):
              result = pool.apply_async(function, (i,))
              print(result.get()) #获取每个 子进程的返回值
          print("Started processes")
          pool.close()
          pool.join()
          print("Subprocess done.")

      注意：这样来获取每个进程的返回值 那么就会变成单进程

5、map方法

• • • 概述

      如果你现在有一堆数据要处理，每一项都需要经过一个方法来处理，那么map非常适合

      比如现在你有一个数组，包含了所有的URL，而现在已经有了一个方法用来抓取每个URL内容并解析，那么可以直接在map的第一个参数传入方法名，第二个参数传入URL数组。

    • 概述

      
        from multiprocessing import Pool
        import requests
        from requests.exceptions import ConnectionError
         
        def scrape(url):
            try:
                print(requests.get(url))
            except ConnectionError:
                print('Error Occured ', url)
            finally:
                print('URL', url, ' Scraped')
         
         
        if __name__ == '__main__':
            pool = Pool(processes=3)
            urls = [
                'https://www.baidu.com',
                'http://www.meituan.com/',
                'http://blog.csdn.net/',
                'http://xxxyxxx.net'
            ]
            pool.map(scrape, urls)

      在这里初始化一个Pool，指定进程数为3，如果不指定，那么会自动根据CPU内核来分配进程数。

      然后有一个链接列表，map函数可以遍历每个URL，然后对其分别执行scrape方法。

6、单进程与多进程复制文件对比

• • • 单进程复制文件

      import time
      
      def copy_file(path, toPath):
          with open(path, "rb") as fp1:
              with open(toPath, "wb") as fp2:
                  while 1:
                      info = fp1.read(1024)
                      if not info:
                          break
                      else:
                          fp2.write(info)
                          fp2.flush()
      
      if __name__ == "__main__":
          t1 = time.time()
      
          for i in range(1, 5):
              path = r"/Users/lucky/Desktop/file/%d.mp4"%i
              toPath = r"/Users/lucky/Desktop/file2/%d.mp4"%i
              copy_file(path, toPath)
      
          t2 = time.time()
          print("单进程耗时：%.2f"%(t2-t1))

    • 多进程复制文件

      import time
      from multiprocessing import Pool
      import os
      
      def copy_file(path, toPath):
          with open(path, "rb") as fp1:
              with open(toPath, "wb") as fp2:
                  while 1:
                      info = fp1.read(1024)
                      if not info:
                          break
                      else:
                          fp2.write(info)
                          fp2.flush()
      
      if __name__ == "__main__":
          t1 = time.time()
          path = r"/Users/xialigang/Desktop/视频"
          dstPath = r"/Users/xialigang/Desktop/1视频"
          fileList = os.listdir(path)
          pool = Pool()
      
          for i in fileList:
              newPath1 = os.path.join(path, i)
              newPath2 = os.path.join(dstPath, i)
              pool.apply_async(copy_file, args=(newPath1, newPath2))
      
          pool.close()
          pool.join()
      
          t2 = time.time()
          print("耗时：%.2f"%(t2-t1))

7、进程间通信

• • • 队列共享

      • 导入

        from multiprocessing import Queue

      • 使用

        que = Queue() #创建队列

        que.put(数据) #压入数据

        que.get() #获取数据

      • 队列常用函数

        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，timeout等待时间

        Queue.get_nowait() 相当Queue.get(False)

        Queue.put(item) 阻塞式写入队列，timeout等待时间

        Queue.put_nowait(item) 相当Queue.put(item, False)

      • 特点：先进先出

      • 注意：

        get方法有两个参数，blocked和timeout，意思为阻塞和超时时间。默认blocked是true，即阻塞式。

        当一个队列为空的时候如果再用get取则会阻塞，所以这时候就需要把blocked设置为false，即非阻塞式，实际上它就会调用get_nowait()方法，此时还需要设置一个超时时间，在这么长的时间内还没有取到队列元素，那就抛出Queue.Empty异常。

        当一个队列为满的时候如果再用put放则会阻塞，所以这时候就需要把blocked设置为false，即非阻塞式，实际上它就会调用put_nowait()方法，此时还需要设置一个超时时间，在这么长的时间内还没有放进去元素，那就抛出Queue.Full异常。

        另外队列中常用的方法

      • 队列的大小

        Queue.qsize() 返回队列的大小 ，不过在 Mac OS 上没法运行。

      实例

      import multiprocessing
      queque = multiprocessing.Queue() #创建 队列
      #如果在子进程 和主进程 之间 都压入了数据 那么在主进程 和 子进程 获取的就是 对方的数据
      def fun(myque):
          # print(id(myque)) #获取当前的队列的存储地址  依然是拷贝了一份
          myque.put(['a','b','c']) #在子进程里面压入数据
          # print("子进程获取",myque.get())#获取队列里面的值
      
      if __name__=='__main__':
          # print(id(queque))
          queque.put([1,2,3,4,5]) #将列表压入队列  如果主进程也压入了数据 那么在主进程取的就是在主进程压入的数据 而不是子进程的
          p = multiprocessing.Process(target=fun,args=(queque,))
          p.start()
          p.join()
          print("主进程获取",queque.get())#在主进程进行获取
          print("主进程获取",queque.get())#在主进程进行获取
          # print("主进程获取",queque.get(block=True, timeout=1))#在主进程进行获取

    • 字典共享

      • 导入

        import multiprocess

      • 概述

        Manager是一个进程间高级通信的方法 支持Python的字典和列表的数据类型

      • 创建字典

        myDict = multiprocess.Manager().dict()

      实例

      import multiprocessing
      def fun(mydict):
        # print(mylist)
        mydict['x'] = 'x'
        mydict['y'] = 'y'
        mydict['z'] = 'z'
       if name=='main':
          # Manager是一种较为高级的多进程通信方式，它能支持Python支持的的任何数据结构。
          mydict = multiprocessing.Manager().dict()
          p = multiprocessing.Process(target=fun,args=(mydict,))
          p.start()
          p.join()
          print(mydict)

    • 列表共享

      • 导入

        import multiprocess

      • 创建列表

        myDict = multiprocess.Manager().list()

      实例(字典与列表共享)

      import multiprocessing
      
      def fun(List):
          # print(mylist)
          List.append('x')
          List.append('y')
          List.append('z')
      
      if __name__=='__main__':
          # Manager是一种较为高级的多进程通信方式，它能支持Python支持的的任何数据结构。
          List = multiprocessing.Manager().list()
          p = multiprocessing.Process(target=fun,args=(List,))
          p.start()
          p.join()
          print(List)

    • 注意

      进程名.terminate() 强行终止子进程

    • deamon

      在这里介绍一个属性，叫做deamon。每个进程程都可以单独设置它的属性，如果设置为True，当父进程结束后，子进程会自动被终止。

      进程.daemon = True

      设置在start()方法之前

      import multiprocessing
      import time
      def fun():
          time.sleep(100)
      if __name__=='__main__':
          p = multiprocessing.Process(target=fun)
          p.daemon = True
          p.start()
          print('over')

    • 进程名.terminate() 强行终止子进程

      import multiprocessing
      import time
      def fun():
          time.sleep(100)
      if __name__=='__main__':
          p = multiprocessing.Process(target=fun)
          p.start()
          p.terminate()
          p.join()
          print('over')

8、进程实现生产者消费者

生产者消费者模型描述：

生产者是指生产数据的任务，消费者是指消费数据的任务。

当生产者的生产能力远大于消费者的消费能力，生产者就需要等消费者消费完才能继续生产新的数据，同理，如果消费者的消费能力远大于生产者的生产能力，消费者就需要等生产者生产完数据才能继续消费，这种等待会造成效率的低下，为了解决这种问题就引入了生产者消费者模型。

生产者/消费者问题可以描述为：两个或者更多的进程（线程）共享同一个缓冲区，其中一个或多个进程（线程）作为“生产者”会不断地向缓冲区中添加数据，另一个或者多个进程（线程）作为“消费者”从缓冲区中取走数据。

• • • 代码

      from multiprocessing import Process
      from multiprocessing import Queue
      import time
      
      def product(q):
          print("启动生产子进程……")
          for data in ["good", "nice", "cool", "handsome"]:
              time.sleep(2)
              print("生产出：%s"%data)
              # 将生产的数据写入队列
              q.put(data)
          print("结束生产子进程……")
      
      def t(q):
          print("启动消费子进程……")
          while 1:
              print("等待生产者生产数据")
              # 获取生产者生产的数据，如果队列中没有数据会阻塞，等待队列中有数据再获取
              value = q.get()
              print("消费者消费了%s数据"%(value))
          print("结束消费子进程……")
      
      if __name__ == "__main__":
          q = Queue()
      
          p1 = Process(target=product, args=(q,))
          p2 = Process(target=customer, args=(q,))
      
          p1.start()
          p2.start()
      
          p1.join()
          # p2子进程里面是死循环，无法等待它的结束
          # p2.join()
          # 强制结束子进程
          p2.terminate()
      
          print("主进程结束")

9、案例（抓取斗图）

from multiprocessing import Process,Queue
from concurrent.futures import ThreadPoolExecutor
from lxml import etree
import time
import requests

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.84 Safari/537.36"
}

def get_img_src(url, q):
    """
    进程1: 负责提取页面中所有的img的下载地址
    将图片的下载地址通过队列. 传输给另一个进程进行下载
    """

    resp = requests.get(url, headers=headers)
    tree = etree.HTML(resp.text)
    srcs = tree.xpath("//li[@class='list-group-item']//img[@referrerpolicy='no-referrer']/@data-original")
    for src in srcs:
        q.put(src.strip())
    resp.close()



def download_img(q):
    """
        进程2: 将图片的下载地址从队列中提取出来. 进行下载.
   """
    with ThreadPoolExecutor(20) as t:
        while 1:
            try:
                s = q.get(timeout=20)
                t.submit(donwload_one, s)
            except Exception as e:
                print(e)
                break

def donwload_one(s):
    # 单纯的下载功能
    resp = requests.get(s, headers=headers)
    file_name = s.split("/")[-1]
    # 请提前创建好img文件夹
    with open(f"img/{file_name}", mode="wb") as f:
        f.write(resp.content)
    print("一张图片下载完毕", file_name)
    resp.close()

if __name__ == '__main__':
    t1 = time.time()
    q = Queue()  # 两个进程必须使用同一个队列. 否则数据传输不了
    p_list = []
    for i in range(1, 11):
        url = f"https://www.pkdoutu.com/photo/list/?page={i}"
        p = Process(target=get_img_src, args=(url, q))
        p_list.append(p)
    for p in p_list:
        p.start()
    p2 = Process(target=download_img, args=(q,))
    p2.start()
    for p in p_list:
        p.join()
    p2.join()
    print((time.time()-t1)/60)
# 0.49572664896647134