Python多進程multiprocessing包有什么作用

這篇文章主要講解了“Python多進程multiprocessing包有什么作用”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python多進程multiprocessing包有什么作用”吧！

threading和multiprocessing

multiprocessing包是Python中的多進程管理包。與threading.Thread類似，它可以利用multiprocessing.Process對象來創建一個進程。該進程可以運行在Python程序內部編寫的函數。該Process對象與Thread對象的用法相同，也有start(), run(), join()的方法。此外multiprocessing包中也有Lock/Event/Semaphore/Condition類 (這些對象可以像多線程那樣，通過參數傳遞給各個進程)，用以同步進程，其用法與threading包中的同名類一致。所以，multiprocessing的很大一部份與threading使用同一套API，只不過換到了多進程的情境。

但在使用這些共享API的時候，我們要注意以下幾點:

• 在UNIX平臺上，當某個進程終結之后，該進程需要被其父進程調用wait，否則進程成為 僵尸進程(Zombie)。所以，有必要對每個Process對象調用join()方法 (實際上等同于wait)。對于多線程來說，由于只有一個進程，所以不存在此必要性。

• multiprocessing提供了threading包中沒有的IPC(比如Pipe和Queue)，效率上更高。應優先考慮Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因為它們占據的不是用戶進程的資源)。

• 多進程應該避免共享資源。在多線程中，我們可以比較容易地共享資源，比如 使用全局變量或者傳遞參數。在多進程情況下，由于每個進程有自己獨立的內存空間，以上方法并不合適。此時我們可以通過 共享內存和Manager的方法來共享資源。但這樣做提高了程序的復雜度，并因為同步的需要而降低了程序的效率。

Process.PID中保存有PID，如果進程還沒有start()，則PID為None。

我們可以從下面的程序中看到Thread對象和Process對象在使用上的相似性與結果上的不同。各個線程和進程都做一件事：打印PID。但問題是，所有的任務在打印的時候都會向同一個標準輸出(stdout)輸出。這樣輸出的字符會混合在一起，無法閱讀。使用Lock同步，在一個任務輸出完成之后，再允許另一個任務輸出，可以避免多個任務同時向終端輸出。

# Similarity and difference of multi thread vs. multi process# Written by Vameiimport osimport threadingimport multiprocessing# worker functiondef worker(sign, lock):
    lock.acquire()    print(sign, os.getpid())
    lock.release()# Mainprint('Main:',os.getpid())# Multi-threadrecord = []
lock  = threading.Lock()for i in range(5):
    thread = threading.Thread(target=worker,args=('thread',lock))
    thread.start()
    record.append(thread)for thread in record:
    thread.join()# Multi-processrecord = []
lock = multiprocessing.Lock()for i in range(5):
    process = multiprocessing.Process(target=worker,args=('process',lock))
    process.start()
    record.append(process)for process in record:
    process.join()

所有Thread的PID都與主程序相同，而每個Process都有一個不同的PID。

(練習: 使用mutiprocessing包將 Python多線程與同步中的多線程程序更改為多進程程序)

Pipe和Queue

正如我們在 Linux多線程中介紹的管道PIPE和消息隊列message queue，multiprocessing包中有Pipe類和Queue類來分別支持這兩種IPC機制。Pipe和Queue可以用來傳送常見的對象。

1) Pipe可以是單向(half-duplex)，也可以是雙向(duplex)。我們通過mutiprocessing.Pipe(duplex=False)創建單向管道 (默認為雙向)。一個進程從PIPE一端輸入對象，然后被PIPE另一端的進程接收，單向管道只允許管道一端的進程輸入，而雙向管道則允許從兩端輸入。

下面的程序展示了Pipe的使用:

# Multiprocessing with Pipe# Written by Vameiimport multiprocessing as muldef proc1(pipe):
    pipe.send('hello')    print('proc1 rec:',pipe.recv())def proc2(pipe):    print('proc2 rec:',pipe.recv())
    pipe.send('hello, too')# Build a pipepipe = mul.Pipe()# Pass an end of the pipe to process 1p1   = mul.Process(target=proc1, args=(pipe[0],))# Pass the other end of the pipe to process 2p2   = mul.Process(target=proc2, args=(pipe[1],))
p1.start()
p2.start()
p1.join()
p2.join()

這里的Pipe是雙向的。

Pipe對象建立的時候，返回一個含有兩個元素的表，每個元素代表Pipe的一端(Connection對象)。我們對Pipe的某一端調用send()方法來傳送對象，在另一端使用recv()來接收。

2) Queue與Pipe相類似，都是先進先出的結構。但Queue允許多個進程放入，多個進程從隊列取出對象。Queue使用mutiprocessing.Queue(maxsize)創建，maxsize表示隊列中可以存放對象的最大數量。

下面的程序展示了Queue的使用:

# Written by Vameiimport osimport multiprocessingimport time#==================# input workerdef inputQ(queue):
    info = str(os.getpid()) + '(put):' + str(time.time())
    queue.put(info)# output workerdef outputQ(queue,lock):
    info = queue.get()
    lock.acquire()    print (str(os.getpid()) + '(get):' + info)
    lock.release()#===================# Mainrecord1 = []   # store input processesrecord2 = []   # store output processeslock  = multiprocessing.Lock()    # To prevent messy printqueue = multiprocessing.Queue(3)# input processesfor i in range(10):
    process = multiprocessing.Process(target=inputQ,args=(queue,))
    process.start()
    record1.append(process)# output processesfor i in range(10):
    process = multiprocessing.Process(target=outputQ,args=(queue,lock))
    process.start()
    record2.append(process)for p in record1:
    p.join()
queue.close()  # No more object will come, close the queuefor p in record2:
    p.join()

 一些進程使用put()在Queue中放入字符串，這個字符串中包含PID和時間。另一些進程從Queue中取出，并打印自己的PID以及get()的字符串。

感謝各位的閱讀，以上就是“Python多進程multiprocessing包有什么作用”的內容了，經過本文的學習后，相信大家對Python多進程multiprocessing包有什么作用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！