进程池和线程的初步

Posted ahliucong

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了进程池和线程的初步相关的知识,希望对你有一定的参考价值。

1.进程池

2. 线程
      # 理论
    # Threading.Thread来创建线程

 

1.进程池

为什么要有进程池?进程池的概念。

在程序实际处理问题过程中,忙时会有成千上万的任务需要被执行,闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候,我们就需要去创建成千上万个进程么?首先,创建进程需要消耗时间,销毁进程也需要消耗时间。第二即便开启了成千上万的进程,操作系统也不能让他们同时执行,这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢?

在这里,要给大家介绍一个进程池的概念,定义一个池子,在里面放上固定数量的进程,有需求来了,就拿一个池中的进程来处理任务,等到处理完毕,进程并不关闭,而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行,池中的进程数量不够,任务就要等待之前的进程执行任务完毕归来,拿到空闲进程才能继续执行。也就是说,池中进程的数量是固定的,那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度,还节省了开闭进程的时间,也一定程度上能够实现并发效果。

参数介绍

Pool([numprocess  [,initializer [, initargs]]]):创建进程池
1 numprocess:要创建的进程数,如果省略,将默认使用cpu_count()的值
2 initializer:是每个工作进程启动时要执行的可调用对象,默认为None
3 initargs:是要传给initializer的参数组

主要方法

 p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
 ‘‘‘需要强调的是:此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数,必须从不同线程调用p.apply()函数或者使用p.apply_async()‘‘‘
 
 p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
 ‘‘‘此方法的结果是AsyncResult类的实例,callback是可调用对象,接收输入参数。当func的结果变为可用时,将理解传递给callback。callback禁止执行任何阻塞操作,否则将接收其他异步操作中的结果。‘‘‘
    
 p.close():关闭进程池,防止进一步操作。如果所有操作持续挂起,它们将在工作进程终止前完成
 
 P.jion():等待所有工作进程退出。此方法只能在close()或teminate()之后调用

其他方法(扩展了解)

 方法apply_async()和map_async()的返回值是AsyncResul的实例obj。实例具有以下方法
 obj.get():返回结果,如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达,将引发一场。如果远程操作中引发了异常,它将在调用此方法时再次被引发。
 obj.ready():如果调用完成,返回True
 obj.successful():如果调用完成且没有引发异常,返回True,如果在结果就绪之前调用此方法,引发异常
 obj.wait([timeout]):等待结果变为可用。
 obj.terminate():立即终止所有工作进程,同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收,将自动调用此函数

如果使用p.apply()方法,这个就变成同步的了.

示例如下:

import os
import time
from multiprocessing import Pool,Process
def fun():
    print(666)
    time.sleep(0.5)
if __name__ == __main__:
    p = Pool(4)
    for i in range(20):
        p.apply(fun)

只有使用p.apply_async()才会有异步效果:

import os
import time
from multiprocessing import Pool,Process
def fun():
    print(666)
    time.sleep(0.5)
if __name__ == __main__:
    p = Pool(4)
    for i in range(20):
        p.apply_async(fun)
    p.close()  #关闭 进程池不工作了.而是关闭了进程池,让任务不能再继续提交了
    p.join()# 等待这个池中提交的任务都执行完.表示等待所有子进程中的代码都执行完 主进程才结束

如果函数有返回值,那么进程池中怎么获取呢,参考如下:

import os
import time
from multiprocessing import Pool,Process
def fun(i):
    print(666)
    time.sleep(0.5)
    return i
if __name__ == __main__:
    p = Pool(4)
    p_lst = []
    for i in range(20):
        ret = p.apply_async(fun,args=(i,))
        p_lst.append(ret)
    p.close()
    p.join()
    [print(i.get())for i in p_lst]

# 异步提交,获取返回值,一个任务执行完毕之后就可以获取到一个结果(顺序是按照提交任务的顺序)

# 异步的 apply_async
# 1.如果是异步的提交任务,那么任务提交之后进程池和主进程也异步了,
    #主进程不会自动等待进程池中的任务执行完毕
# 2.如果需要主进程等待,需要p.join
    # 但是join的行为是依赖close
# 3.如果这个函数是有返回值的
    # 也可以通过ret.get()来获取返回值
    # 但是如果一边提交一遍获取返回值会让程序变成同步的
    # 所以要想保留异步的效果,应该讲返回对象保存在列表里,所有任务提交完成之后再来取结果
    # 这种方式也可以去掉join,来完成主进程的阻塞等待池中的任务执行完毕

# 异步的 apply_async
# 1.如果是异步的提交任务,那么任务提交之后进程池和主进程也异步了,
#主进程不会自动等待进程池中的任务执行完毕
# 2.如果需要主进程等待,需要p.join
# 但是join的行为是依赖close
# 3.如果这个函数是有返回值的
# 也可以通过ret.get()来获取返回值
# 但是如果一边提交一遍获取返回值会让程序变成同步的
# 所以要想保留异步的效果,应该讲返回对象保存在列表里,所有任务提交完成之后再来取结果
# 这种方式也可以去掉join,来完成主进程的阻塞等待池中的任务执行完毕

 

进程池中的回调函数

需要回调函数的场景:进程池中任何一个任务一旦处理完了,就立即告知主进程:我好了额,你可以处理我的结果了。主进程则调用一个函数去处理该结果,该函数即回调函数

我们可以把耗时间(阻塞)的任务放到进程池中,然后指定回调函数(主进程负责执行),这样主进程在执行回调函数时就省去了I/O的过程,直接拿到的是任务的结果。
# 回调函数 _ 在主进程中执行
# 在发起任务的时候 指定callback参数
# 在每个进程执行完apply_async任务之后,返回值会直接作为参数传递给callback的函数,执行callback函数中的代码

 

示例代码:

import os,time
from multiprocessing import Pool
def fun(i):
    print("pid 进程是%s,num是%s"%(os.getpid(),i))
    return i

def call_back(i):
    print("this is callback",i)
    time.sleep(0.5)
if __name__ == __main__:
    p = Pool(4)
    for i in range(10):
        p.apply_async(func=fun,args=(i,),callback=call_back)
    p.close()
    p.join()

 












以上是关于进程池和线程的初步的主要内容,如果未能解决你的问题,请参考以下文章

线程池和进程池

线程Queue定时器进程池和线程池同步异步

开启线程池和进程池

python中的进程池和线程池

池和回调函数

线程池和进程池