Python マルチプロセスの知識ポイントのまとめ

この記事では、python に関する関連知識を提供します。主に、マルチプロセスとは何か、プロセスの作成、プロセス間同期、プロセス Chi など、マルチプロセスに関する関連コンテンツを紹介します。 、一緒に見ていきましょう、皆さんのお役に立てれば幸いです。

推奨学習: Python ビデオ チュートリアル

1. マルチプロセスとは何ですか?

1. プロセス

プログラム: たとえば、xxx.py は静的な

プロセスであるプログラムです。 : プログラムの実行後、コードによって使用されるリソースはプロセスと呼ばれ、オペレーティング システムがリソースを割り当てる基本単位になります。スレッドを介してマルチタスクを完了できるだけでなく、プロセスを実行することもできます

2. プロセスのステータス

作業中、タスクの数が CPU コアの数よりも多くなることがよくあります。 、いくつかのタスクが実行されている必要があり、他のいくつかのタスクが CPU の実行を待機しているため、さまざまな状態になります。

• 準備完了状態:実行状態が遅くなり、進行中です CPU の実行を待機しています
• 実行状態: CPU はその機能を実行中です
• 待機状態: 待機中ですプログラムがスリープしているなど、特定の条件が満たされると、この時点では待機状態になります。

2. process-multiprocessing の作成

1. プロセス クラスの構文の説明

multiprocessing このモジュールは、Process オブジェクトを作成し、その start() メソッド を呼び出すことでプロセスを生成します。 Process は threading.Thread API と同じです。

構文形式：multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={}, *, daemon =None)

パラメータの説明:

• group: プロセス グループを指定します。これはほとんどの場合使用されません。
• target: 関数参照が渡された場合、子プロセスにここのコードを実行するタスクを与えることができます。
• name: の名前を設定します。
• args: ターゲットによって指定された関数に渡されるパラメータは、タプル
• kwargs## の形式で渡されます。 #: ターゲットへ 指定された関数は名前付きパラメータを渡します

multiprocessing.Process オブジェクトには次のメソッドとプロパティがあります:

メソッド名/プロパティ 説明具体的な実行プロセスのメソッド子プロセス インスタンスの開始 (子プロセスの作成) #join([timeout ])namepid#is_alive()#exitcodedaemonプロセスの認証キー。 プロセスの終了時に使用可能になるシステム オブジェクトへの数値ハンドル。 #terminate()タスクが完了したかどうかに関係なく、子プロセスを直ちに終了しますkill()terminate() と同じですが、Unix では SIGKILL シグナルを使用します。 close()Process オブジェクトを閉じ、それに関連付けられているすべてのリソースを解放します

run()

start()

オプションのパラメーター timeout がデフォルト値 None の場合、join() メソッドを呼び出すプロセスが終了するまでブロックされます。正の数。タイムアウト秒までブロックされます。

現在のプロセスのエイリアス。デフォルトは Process-N です。 、N は 1 から増加する整数です。

現在のプロセスの pid (プロセス番号)

プロセスの子プロセスがまだ生きているかどうかを確認する

子プロセスの終了コード

プロセスのデーモン フラグはブール値です。

#authkey

sentinel

2. 2 つの while ループをまとめて実行します

# -*- coding:utf-8 -*-from multiprocessing import Processimport timedef run_proc():
    """子进程要执行的代码"""
    while True:
        print("----2----")
        time.sleep(1)if __name__=='__main__':
    p = Process(target=run_proc)
    p.start()
    while True:
        print("----1----")
        time.sleep(1)

実行結果:

説明: 子プロセスを作成する場合、必要な実行関数は 1 つだけです。渡されたパラメータと関数パラメータを使用して、Process インスタンスを作成し、start() メソッドを使用して

3 を開始します。プロセス pid

# -*- coding:utf-8 -*-from multiprocessing import Processimport osimport timedef 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()

実行結果:

4. 子プロセスで指定された関数にパラメータを渡します

# -*- coding:utf-8 -*-from multiprocessing import Processimport osfrom time import sleepdef 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秒中之后，立即结束子进程
    p.terminate()
    p.join()

実行結果:

5. グローバル変数はプロセス間で共有されません

# -*- coding:utf-8 -*-from multiprocessing import Processimport osimport 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()

実行結果:

in process1 pid=11349 ,nums=[11, 22]in process1 pid=11349 ,nums=[11, 22, 0]in process1 pid=11349 ,
nums=[11, 22, 0, 1]in process1 pid=11349 ,nums=[11, 22, 0, 1, 2]in process2 pid=11350 ,nums=[11, 22]

3. プロセス間同期 - キュー

プロセス間で通信が必要になる場合があります。オペレーティング システムプロセス間通信を実現するための多くのメカニズムを提供します。

#1. キュー クラスの構文の説明

メソッド名説明Queue() オブジェクトを初期化します。受信できるメッセージの最大数が括弧内に指定されていない場合、またはnumber が負の値の場合、受け入れられるメッセージの数に上限がないことを表します (メモリの終わりまで)現在のキューに含まれるメッセージの数を返します。 キューが空の場合は True を返し、それ以外の場合は Falseキューがいっぱいの場合は True を返し、それ以外の場合は False#Queue.get([block[ , timeout]])キュー内のメッセージを取得し、キューから削除します。キュー。block のデフォルト値は True Queue.get_nowait() Queue.put(item,[block[, timeout]]) です。 1. ブロックがデフォルト値を使用し、タイムアウト (秒単位) が設定されていない場合、メッセージ キューに書き込み用のスペースがない場合、プログラムは、メッセージ キューにスペースが確保されるまでブロックされます (書き込み状態で停止します)。メッセージキュー。タイムアウトが設定されている場合は、タイムアウト秒間待機します。スペースがない場合は、「Queue.Full」例外がスローされます。 2. ブロック値が False の場合、メッセージ キューに書き込むスペースがない場合は、すぐに "Queue.Full" 例外がスローされます。 Queue.put_nowait( item)

q=Queue()

Queue.qsize()

Queue.empty()

Queue.full()

です。 1. ブロックがデフォルト値を使用し、タイムアウト (秒単位) が設定されておらず、メッセージ キューが空の場合、プログラムは、メッセージがメッセージ キューから読み取られるまでブロックされます (読み取り状態で停止します)。が設定されている場合、タイムアウト秒間待機し、メッセージが読み取られていない場合は、「Queue.Empty」例外がスローされます。 2. ブロック値が False で、メッセージ キューが空の場合、「Queue.Empty」例外がすぐにスローされます

Quite Queue.get(False)

項目メッセージをキューに書き込みます。block のデフォルト値は True

Quite Queue.put(item, False)

2. Queue的使用

可以使用multiprocessing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一下Queue的工作原理：

#coding=utf-8from 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())  #Falseq.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())

运行结果:

FalseTrue消息列队已满，现有消息数量:3消息列队已满，现有消息数量:3消息1消息2消息3

3. Queue实例

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：

from multiprocessing import Process, Queueimport 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:
            breakif __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')

运行结果：

四、进程间同步-Lock

锁是为了确保数据一致性。比如读写锁，每个进程给一个变量增加 1，但是如果在一个进程读取但还没有写入的时候，另外的进程也同时读取了，并写入该值，则最后写入的值是错误的，这时候就需要加锁来保持数据一致性。

通过使用Lock来控制一段代码在同一时间只能被一个进程执行。Lock对象的两个方法，acquire()用来获取锁，release()用来释放锁。当一个进程调用acquire()时，如果锁的状态为unlocked，那么会立即修改为locked并返回，这时该进程即获得了锁。如果锁的状态为locked，那么调用acquire()的进程则阻塞。

1. Lock的语法说明：

• lock = multiprocessing.Lock()： 创建一个锁

• lock.acquire() ：获取锁

• lock.release() ：释放锁

• with lock：自动获取、释放锁 类似于 with open() as f:

2. 程序不加锁时：

import multiprocessingimport timedef add(num, value):
    print('add{0}:num={1}'.format(value, num))
    for i in range(0, 2):
        num += value        print('add{0}:num={1}'.format(value, num))
        time.sleep(1)if __name__ == '__main__':
    lock = multiprocessing.Lock()
    num = 0
    p1 = multiprocessing.Process(target=add, args=(num, 1))
    p2 = multiprocessing.Process(target=add, args=(num, 2))
    p1.start()
    p2.start()

运行结果：运得没有顺序，两个进程交替运行

add1:num=0add1:num=1add2:num=0add2:num=2add1:num=2add2:num=4

3. 程序加锁时：

import multiprocessingimport timedef add(num, value, lock):
    try:
        lock.acquire()
        print('add{0}:num={1}'.format(value, num))
        for i in range(0, 2):
            num += value            print('add{0}:num={1}'.format(value, num))
            time.sleep(1)
    except Exception as err:
        raise err    finally:
        lock.release()if __name__ == '__main__':
    lock = multiprocessing.Lock()
    num = 0
    p1 = multiprocessing.Process(target=add, args=(num, 1, lock))
    p2 = multiprocessing.Process(target=add, args=(num, 2, lock))
    p1.start()
    p2.start()

运行结果：只有当其中一个进程执行完成后，其它的进程才会去执行，且谁先抢到锁谁先执行

add1:num=0add1:num=1add1:num=2add2:num=0add2:num=2add2:num=4

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动态成生多个进程，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。

1. Pool类语法说明

语法格式：multiprocessing.pool.Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]])

参数说明：

• processes：工作进程数目，如果 processes 为 None，则使用 os.cpu_count() 返回的值。

• initializer：如果 initializer 不为 None，则每个工作进程将会在启动时调用 initializer(*initargs)。

• maxtasksperchild：一个工作进程在它退出或被一个新的工作进程代替之前能完成的任务数量，为了释放未使用的资源。

• context：用于指定启动的工作进程的上下文。

两种方式向进程池提交任务：

• apply(func[, args[, kwds]])：阻塞方式。

• apply_async(func[, args[, kwds]])：非阻塞方式。使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表

multiprocessing.Pool常用函数：

方法名	说明
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，等待子进程的退出， 必须在close或terminate之后使用

2. Pool实例

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用来执行该请求；但如果池中的进程数已经达到指定的最大值，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 Poolimport os, time, randomdef 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3for 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-----")

运行结果:

----start----
0开始执行,进程号为21466
1开始执行,进程号为21468
2开始执行,进程号为21467
0 执行完毕，耗时1.01
3开始执行,进程号为21466
2 执行完毕，耗时1.24
4开始执行,进程号为21467
3 执行完毕，耗时0.56
5开始执行,进程号为21466
1 执行完毕，耗时1.68
6开始执行,进程号为21468
4 执行完毕，耗时0.67
7开始执行,进程号为21467
5 执行完毕，耗时0.83
8开始执行,进程号为21466
6 执行完毕，耗时0.75
9开始执行,进程号为21468
7 执行完毕，耗时1.03
8 执行完毕，耗时1.05
9 执行完毕，耗时1.69
-----end-----

3. 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Managerfrom multiprocessing import Manager,Poolimport os,time,randomdef 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 "itcast":
        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())

运行结果:

(11095) start
writer启动(11097),父进程为(11095)reader启动(11098),父进程为(11095)reader从Queue获取到消息：i
reader从Queue获取到消息：t
reader从Queue获取到消息：c
reader从Queue获取到消息：a
reader从Queue获取到消息：s
reader从Queue获取到消息：t(11095) End

六、进程、线程对比

1. 功能

进程：能够完成多任务，比如 在一台电脑上能够同时运行多个QQ
线程：能够完成多任务，比如 一个QQ中的多个聊天窗口

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,只拥有一点在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.

2. 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)，使得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运行效率
  
• 线线程不能够独立执行，必须依存在进程中
• 可以将进程理解为工厂中的一条流水线，而其中的线程就是这个流水线上的工人
  

3. 优缺点

• 线程：线程执行开销小，但不利于资源的管理和保护
• 进程：进程执行开销大，但利于资源的管理和保护

推荐学习：python视频教程

以上がPython マルチプロセスの知識ポイントのまとめの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。