技巧：利用 Python 实现多任务进程

Posted 2022-02-02 梦子mengy7762

一、进程介绍

进程：正在执行的程序，由程序、数据和进程控制块组成，是正在执行的程序，程序的一次执行过程，是资源调度的基本单位。

程序：没有执行的代码，是一个静态的。

二、线程和进程之间的对比

由图可知：此时电脑有 9 个应用进程，但是一个进程又会对应于多个线程，可以得出结论：

进程：能够完成多任务，一台电脑上可以同时运行多个 QQ

线程：能够完成多任务，一个 QQ 中的多个聊天窗口

根本区别：进程是操作系统资源分配的基本单位，而线程是任务调度和执行的基本单位.

使用多进程的优势:

1、拥有独立GIL:

首先由于进程中 GIL 的存在，Python 中的多线程并不能很好地发挥多核优势，一个进程中的多个线程，在同 一时刻只能有一个线程运行。而对于多进程来说，每个进程都有属于自己的 GIL，所以，在多核处理器下，多进程的运行是不会受 GIL的影响的。因此，多进 程能更好地发挥多核的优势。
2、效率高

当然，对于爬虫这种 IO 密集型任务来说，多线程和多进程影响差别并不大。对于计算密集型任务来说，Python 的多进程相比多线 程，其多核运行效率会有成倍的提升。

三、Python 实现多进程

我们先用一个实例来感受一下：

1、使用 process 类

import multiprocessing def process(index): print(f'Process: index') if __name__ == '__main__': for i in range(5): p = multiprocessing.Process(target=process, args=(i,)) p.start

这是一个实现多进程最基础的方式：通过创建 Process 来新建一个子进程，其中 target 参数传入方法名，args 是方法的参数，是以 元组的形式传入，其和被调用的方法 process 的参数是一一对应的。

注意：这里 args 必须要是一个元组，如果只有一个参数，那也要在元组第一个元素后面加一个逗号，如果没有逗号则 和单个元素本身没有区别，无法构成元组，导致参数传递出现问题。创建完进程之后，我们通过调用 start 方法即可启动进程了。

运行结果如下：

Process: 0 Process: 1 Process: 2 Process: 3 Process: 4

可以看到，我们运行了 5 个子进程，每个进程都调用了 process 方法。process 方法的 index 参数通过 Process 的 args 传入，分别是 0~4 这 5 个序号，最后打印出来，5 个子进程运行结束。

2、继承 process 类

from multiprocessing import Process import time

class MyProcess(Process): def __init__(self,loop): Process.__init__(self) self.loop = loop

def run(self): for count in range(self.loop): time.sleep(1) print(f'Pid:self.Pid LoopCount: count') if __name__ == '__main__': for i in range(2,5): p = MyProcess(i) p.start

我们首先声明了一个构造方法，这个方法接收一个 loop 参数，代表循环次数，并将其设置为全局变量。在 run方法中，又使用这 个 loop 变量循环了 loop 次并打印了当前的进程号和循环次数。

在调用时，我们用 range 方法得到了 2、3、4 三个数字，并把它们分别初始化了 MyProcess 进程，然后调用 start 方法将进程启动起 来。

注意：这里进程的执行逻辑需要在 run 方法中实现，启动进程需要调用 start 方法，调用之后 run 方法便会执行。

运行结果如下：

Pid:12976 LoopCount: 0 Pid:15012 LoopCount: 0 Pid:11976 LoopCount: 0 Pid:12976 LoopCount: 1 Pid:15012 LoopCount: 1 Pid:11976 LoopCount: 1 Pid:15012 LoopCount: 2 Pid:11976 LoopCount: 2 Pid:11976 LoopCount: 3

注意，这里的进程 pid 代表进程号，不同机器、不同时刻运行结果可能不同。

四、进程之间的通信

1、Queue-队列 先进先出

from multiprocessing import Queue import multiprocessing

def download(p): # 下载数据 lst = [11,22,33,44] for item in lst: p.put(item) print('数据已经下载成功....')

def savedata(p): lst = while True: data = p.get lst.append(data) if p.empty: break print(lst)

def main: p1 = Queue

t1 = multiprocessing.Process(target=download,args=(p1,)) t2 = multiprocessing.Process(target=savedata,args=(p1,))

t1.start t2.start

if __name__ == '__main__': main 数据已经下载成功.... [11, 22, 33, 44]

2、共享全局变量不适用于多进程编程

import multiprocessing

a = 1

def demo1: global a a += 1

def demo2: print(a)

def main: t1 = multiprocessing.Process(target=demo1) t2 = multiprocessing.Process(target=demo2)

t1.start t2.start

if __name__ == '__main__': main

运行结果:

1

有结果可知：全局变量不共享；

五、进程池之间的通信

1、进程池引入

当需要创建的子进程数量不多时，可以直接利用 multiprocessing 中的 Process 动态生成多个进程，但是如果是上百甚至上千个目标，手动的去创建的进程的工作量巨大，此时就可以用到 multiprocessing 模块提供的 Pool 方法。

from multiprocessing import Pool import os,time,random

def worker(a): t_start = time.time print('%s开始执行,进程号为%d'%(a,os.getpid))

time.sleep(random.random*2) t_stop = time.time print(a,"执行完成,耗时%0.2f"%(t_stop-t_start))

if __name__ == '__main__': po = Pool(3) # 定义一个进程池 for i in range(0,10): po.apply_async(worker,(i,)) # 向进程池中添加worker的任务

print("--start--") po.close

po.join print("--end--")

运行结果:

--start-- 0开始执行,进程号为6664 1开始执行,进程号为4772 2开始执行,进程号为13256 0 执行完成,耗时0.18 3开始执行,进程号为6664 2 执行完成,耗时0.16 4开始执行,进程号为13256 1 执行完成,耗时0.67 5开始执行,进程号为4772 4 执行完成,耗时0.87 6开始执行,进程号为13256 3 执行完成,耗时1.59 7开始执行,进程号为6664 5 执行完成,耗时1.15 8开始执行,进程号为4772 7 执行完成,耗时0.40 9开始执行,进程号为6664 6 执行完成,耗时1.80 8 执行完成,耗时1.49 9 执行完成,耗时1.36 --end--

一个进程池只能容纳 3 个进程，执行完成才能添加新的任务，在不断的打开与释放的过程中循环往复。

六、案例:文件批量复制

操作思路:

• 获取要复制文件夹的名字

• 创建一个新的文件夹

• 获取文件夹里面所有待复制的文件名

• 创建进程池

• 向进程池添加任务

代码如下:

导包

import multiprocessing import os import time

定制文件复制函数

`def copy_file(Q,oldfolderName,newfolderName,file_name):

文件复制,不需要返回

time.sleep(0.5)

print(’\\r从%s文件夹复制到%s文件夹的%s文件’%(oldfolderName,newfolderName,file_name),end=’’)`

old_file = open(oldfolderName + '/' + file_name,'rb') # 待复制文件 content = old_file.read old_file.close

new_file = open(newfolderName + '/' + file_name,'wb') # 复制出的新文件 new_file.write(content) new_file.close

Q.put(file_name) # 向Q队列中添加文件

定义主函数

`def main:
oldfolderName = input(‘请输入要复制的文件夹名字:’) # 步骤1获取要复制文件夹的名字(可以手动创建,也可以通过代码创建,这里我们手动创建)
newfolderName = oldfolderName + ‘复件’

步骤二 创建一个新的文件夹

if not os.path.exists(newfolderName):
os.mkdir(newfolderName)`

`filenames = os.listdir(oldfolderName) # 3.获取文件夹里面所有待复制的文件名

print(filenames)`

pool = multiprocessing.Pool(5) # 4.创建进程池

Q = multiprocessing.Manager.Queue # 创建队列,进行通信 for file_name in filenames: pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向进程池添加任务 po.close

`copy_file_num = 0
file_count = len(filenames)

不知道什么时候完成,所以定义一个死循环

while True:
file_name = Q.get
copy_file_num += 1
time.sleep(0.2)
print(’\\r拷贝进度%.2f %%’%(copy_file_num * 100/file_count),end=’’) # 做一个拷贝进度条`

if copy_file_num >= file_count: break

程序运行

if __name__ == '__main__': main

运行结果如下图所示：

运行前后文件目录结构对比

运行前

运行后