Python多线程与多进程
Posted 北洛
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python多线程与多进程相关的知识,希望对你有一定的参考价值。
多进程
上一章:Python多线程与多进程(一)
由于GIL的存在,Python的多线程并没有实现真正的并行。因此,一些问题使用threading模块并不能解决
不过Python为并行提供了一个替代方法:多进程。在多进程里,线程被换成一个个子进程。每个进程都运作着各自的GIL(这样Python就可以并行开启多个进程,没有数量限制)。需要明确的是,线程都是同一个进程的组成部分,它们共享同一块内存、存储空间和计算资源。而进程却不会与它们的父进程共享内存,因此进程间通信比线程间通信更为复杂
多进程相比多线程优缺点如下:
优点 | 缺点 |
可以使用多核操作系统 | 更多的内存消耗 |
进程使用独立的内存空间,避免竞态问题 | 进程间的数据共享变得更加困难 |
子进程容易中断 | 进程间通信比线程困难 |
避开GIL限制 |
Python多进程
multiprocessing模块提供了一个Process类,它有点类似多线程模块中threading.Thread类。因此,把多线程代码迁移到多进程还是比较简单的,因为代码的基本结构不变
我们快速演示一个多进程的示例:
import multiprocessing def run(pname): print(pname) for i in range(3): p = multiprocessing.Process(target=run, args=("Process-%s" % i,)) p.start() p.join()
运行结果:
Process-0 Process-1 Process-2
可以看出,多进程和多线程的代码非常像,这里需要注意一点,如果是在Windows上执行的需要把启动进程的代码放到if __name__ == "__main__":底下
if __name__ == "__main__": for i in range(3): p = multiprocessing.Process(target=run, args=("Process-%s" % i,)) p.start() p.join()
进程退出状态:当进程结束的时候,会产生一个状态码,它是一个数字,表示执行结果,不同数字代表程序运行的不同情况:
- 等于0表示正常完结
- 大于0表示异常完结
- 小于0表示进程被另一个进程通过-1*exit_code信号终结
下面的代码演示如何读取和使用退出码
import multiprocessing import time def first(): print("There is no problem here") def second(): raise RuntimeError("Error raised!") def third(): time.sleep(3) print("This process will be terminated") workers = [multiprocessing.Process(target=first), multiprocessing.Process(target=second), multiprocessing.Process(target=third)] for w in workers: w.start() workers[-1].terminate() for w in workers: w.join() for w in workers: print(w.exitcode)
运行结果:
There is no problem here Process Process-2: Traceback (most recent call last): File "/home/lf/anconda3/lib/python3.6/multiprocessing/process.py", line 258, in _bootstrap self.run() File "/home/lf/anconda3/lib/python3.6/multiprocessing/process.py", line 93, in run self._target(*self._args, **self._kwargs) File "test01.py", line 11, in second raise RuntimeError("Error raised!") RuntimeError: Error raised! 0 1 -15
我们注意到,第三个子进程的print语句没有执行,这是因为在sleep方法结束之前进程已经被中止了。还有一点需要注意的是:两个独立的for循环处理三个子进程:一个启动子进程,另一个通过join方法连接进程。如果我们在开启每个子进程时都执行join方法,而不是没有join直接中断第三个进程,那么第三个进程就不会失败。于是第三个子进程返回的退出码也是0,因为和多线程一样,join方法在目标进程完结之前会阻塞子进程的调用
进程池
多进程模块还提供了pool类,表示一个进程池,里面装有子进程,可以通过不同的方法执行同一组任务。
Pool类的主要方法如下:
- apply:这个方法在独立的子进程中运行一个函数。它还会在被调用函数返回结果之前阻塞进程
- apply_async:这个方法会在独立子进程中异步地运行一个函数,就是说进程会立即返回一个ApplyResult对象,要获得真实的返回值需要使用get()方法。get()在异步执行的函数结束之前都会被阻塞
- map:这个方法对一组数值应用一个函数。它是一个阻塞动作,所以返回值是每个值经过函数映射的列表
进程间通信:进程间通信的方式不像线程间通信那么简单,但是,Python提供了一些工具帮助我们解决问题。
Queue类是一个既线程安全又进程安全的先进先出(FIFO)数据交换机制。multiprocessing提供的Queue类基本是Queue.Queue的克隆版本,因此二者API基本相同
from multiprocessing import Queue, Process import random def generate(q): while True: value = random.randrange(10) q.put(value) print("Value added to queue: %s" % (value)) def reader(q): while True: value = q.get() print("Value from queue: %s" % (value)) queue = Queue() p1 = Process(target=generate, args=(queue,)) p2 = Process(target=reader, args=(queue,)) p1.start() p2.start()
Pipe方法:Pipe(管道)方法为两个进程提供了一种双向通信的机制,Piped()函数返回一对连接对象,每个对象表示管道的一端。每个连接对象都有send()和recv()方法
from multiprocessing import Pipe, Process import random def generate(pipe): while True: value = random.randrange(10) pipe.send(value) print("Value sent: %s" % (value)) def reader(pipe): f = open("output.txt", "w") while True: value = pipe.recv() f.write(str(value)) print(".") input_p, output_p = Pipe() p1 = Process(target=generate, args=(input_p,)) p2 = Process(target=reader, args=(output_p,)) p1.start() p2.start()
多进程也有事件Event,它们的工作方式与多线程类似,只是有一点需要记住,事件对象不能被传递到子进程的函数中,这样做会导致运行时错误,信号机制只能在主进程中被子进程共享:
from multiprocessing import Pool, Event import time event = Event() event.set() def worker(i): if event.is_set(): time.sleep(0.1) print("A - %s" % (time.time())) event.clear() else: time.sleep(0.1) print("B - %s" % (time.time())) event.set() pool = Pool(3) pool.map(worker, range(9))
以上是关于Python多线程与多进程的主要内容,如果未能解决你的问题,请参考以下文章