day-4 python多进程编程知识点汇总

Posted 2020-10-29 python-frog

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day-4 python多进程编程知识点汇总相关的知识，希望对你有一定的参考价值。

1、 python多进程简介

　　由于Python设计的限制(我说的是咱们常用的CPython)。最多只能用满1个CPU核心。Python提供了非常好用的多进程包multiprocessing，他提供了一套和多线程类似的接口，有start、run等方法，我们只需要定义一个函数，Python会替我们完成其他所有事情。借助这个包，可以轻松完成从单进程到并发执行的转换。

2、注意事项

　　a）在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。

　　b）multiprocessing提供了threading包中没有的IPC(比如Pipe和Queue)，效率上更高。应优先考虑Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因为它们占据的不是用户进程的资源)。

　　c）多进程应该避免共享资源。在多线程中，我们可以比较容易地共享资源，比如使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。此时我们可以通过共享内存和Manager的方法来共享资源。但这样做提高了程序的复杂度，并因为同步的需要而降低了程序的效率。

3、常用接口

　　Event()：进程的事件用于主线程控制其他进程的执行，事件主要提供了三个方法wait、clear、set

　　Queue()：进程的队列，提供get和put方法

　　Process()：创建一个新的进程

　　Lock()：进程锁

　　Semaphore：一种带计数的进程同步机制，当调用release时，增加计算，当acquire时，减少计数，当计数为0时，自动阻塞，等待release被调用

　　Pipe()：创建进程双向管道

　　Manager()：一种较为高级的多进程通信方式，它能支持Python支持的的任何数据结构，不限制多进程是否源于同一个父进程

　　Lock()：进程锁

　　Pool():可以提供指定数量的进程供用户调用，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规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。

　　Condition():Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。

　　技术分享图片

4、代码实例

‘‘‘
学习多线程通信：Queue,Pipe,Manage,Event
‘‘‘

import multiprocessing
import time

#循环从进程队列中取数据
def Proceedataget(q,p,parent_event,child_event,manage_d,manage_l):
    for i in range(10):
        print(q.get())

    for i in range(20,30):
        p.send(i)
    parent_event.set()
    child_event.wait()

    for i in range(20,30):
        print("B process:" + str(p.recv()))

    manage_d["1"] = 1
    manage_l.append("2")

#循环从进程队列中写数据
def Proceedataput(q,p,parent_event,child_event,manage_d,manage_l):
    for i in range(10):
        q.put(i)

    for i in range(40,50):
        p.send(i)

    child_event.set()
    parent_event.wait()
    for i in range(20,30):
        print("A process:" + str(p.recv()))

    manage_d["2"] = 2
    manage_l.append("2")

if __name__ == "__main__":

    start_time = time.time()

    #定义一个进程队列
    q = multiprocessing.Queue()
    #定义一个进程双向管道
    parent_conn,child_conn = multiprocessing.Pipe()
    #定义两个进程事件
    parent_event = multiprocessing.Event()
    child_event = multiprocessing.Event()
    multiprocessing.
    #定义连个Manager对象
    manage = multiprocessing.Manager()
    manage_d = manage.dict()
    manage_l = manage.list()

    #定义两个进程
    l = []
    p1 = multiprocessing.Process(target = Proceedataget,args=(q,child_conn,parent_event,child_event,manage_d,manage_l))
    p1.start()
    l.append(p1)
    p2 = multiprocessing.Process(target = Proceedataput,args=(q,parent_conn,parent_event,child_event,manage_d,manage_l))
    p2.start()
    l.append(p2)

    #等待进程执行完毕
    for p_list in l:
        p_list.join()

    end_time = time.time()

    print(manage_d)
    print(manage_l)

    print("Mutiple proccess cost : %d"%(end_time - start_time))