Python 多进程和进程池

Posted 2021-11-01 tashanzhishi

一，前言

• 进程：是程序，资源集合，进程控制块组成，是最小的资源单位

  • 特点：就对Python而言，可以实现真正的并行效果
  • 缺点：进程切换很容易消耗cpu资源，进程之间的通信相对线程来说比较麻烦　　

• 线程：是进程中最小的执行单位。

• 特点无法利用多核，无法实现真正意义上是并行效果。
• 优点：对于IO密集型的操作可以很好利用IO阻塞的时间

二，多进程

　　2.1 multiprocessing模块介绍

　　在上一节多线程中讲到，由于GIL的原因，多线程无法利用多核优势，如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing。multiprocessing模块用来开启子进程，并在子进程中执行我们定制的任务（比如函数），该模块与多线程模块threading的编程接口类似。multiprocessing模块的功能众多：支持子进程、通信和共享数据、执行不同形式的同步，提供了Process、Queue、Pipe、Lock等组件。

　　2.2 process类介绍

类的实例化（创建进程）
Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）

强调：
1. 需要使用关键字的方式来指定参数
2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号

参数介绍
group参数未使用，值始终为None

target表示调用对象，即子进程要执行的任务

args表示调用对象的位置参数元组，args=(1,2,‘hexin‘,)

kwargs表示调用对象的字典,kwargs={‘name‘:‘hexin‘,‘age‘:18}

name为子进程的名称

# process方法
p.start()：启动进程，并调用该子进程中的p.run() 
p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法  

p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁
p.is_alive():如果p仍然运行，返回True

p.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程


# process 属性

p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置

p.name:进程的名称

p.pid：进程的pid

p.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可)

p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）

　　2.3 多进程创建

　　创建形式一：普通形式

import time
import random
from multiprocessing import Process


def fun(name):
    print(‘%s begin‘ %name)
    time.sleep(random.randrange(1, 3))
    print(‘%s end‘ % name)


if __name__ == ‘__main__‘:
    p1 = Process(target=fun, args=(‘w‘,))
    p2 = Process(target=fun,args=(‘a‘,))
    p3 = Process(target=fun,args=(‘l‘,))
    p4 = Process(target=fun,args=(‘l‘,))

    p1.start()
    p2.start()
    p3.start()
    p4.start()
    print(‘主线程‘)

　　输出结果：

主线程
w begin
a begin
l begin
l begin
a end
l end
w end
l end

　　创建方式二：继承方式

import time
import random
from multiprocessing import Process


class Sleep(Process):
    def __init__(self,name):
        super().__init__()
        self.name = name

    def run(self):
        print(‘%s sleep begin‘ % self.name)
        time.sleep(random.randrange(1,5))
        print(‘%s  end‘ % self.name)


if __name__ == ‘__main__‘:
    for i in [‘a‘, ‘b‘, ‘c‘]:
        Sleep(i).start()
    print("main")

　　输出：

main
b sleep begin
a sleep begin
c sleep begin
c  end
b  end
a  end

　　2.4 进程同步

　　进程之间数据不共享,但是共享同一套文件系统,所以访问同一个文件,或同一个打印终端,是没有问题的。

　　共享同一打印终端，发现会有多行内容打印到一行的现象（多个进程共享并抢占同一个打印终端，乱了）

　　既然可以用文件共享数据，那么进程间通信用文件作为数据传输介质就可以了啊，可以，但是有问题：1.效率 2.需要自己加锁处理

　　加锁的目的是为了保证多个进程修改同一块数据时，同一时间只能有一个修改，即串行的修改，没错，速度是慢了，牺牲了速度而保证了数据安全。

　　文件当做数据库，模拟抢票（Lock互斥锁）

#!/usr/bin/env python
# -*- coding:utf-8 -*-

#文件db的内容为：{"count":2}
#注意一定要用双引号，不然json无法识别
from multiprocessing import Process,Lock
import json
import time
import random
import os

def work(filename,lock): #买票
    # lock.acquire()
    with lock:
        with open(filename,encoding=‘utf-8‘) as f:
            dic=json.loads(f.read())
            # print(‘剩余票数: %s‘ % dic[‘count‘])
        if dic[‘count‘] > 0:
            dic[‘count‘]-=1
            time.sleep(random.randint(1,3)) #模拟网络延迟
            with open(filename,‘w‘,encoding=‘utf-8‘) as f:
                f.write(json.dumps(dic))
            print(‘%s 购票成功‘ %os.getpid())
        else:
            print(‘%s 购票失败‘ %os.getpid())
    # lock.release()

if __name__ == ‘__main__‘:
    lock=Lock()
    p_l=[]
    for i in range(10):
        p=Process(target=work,args=(‘db‘,lock))
        p_l.append(p)
        p.start()
    for p in p_l:
        p.join()

    print(‘主线程‘)

　　输出：

购票成功
购票成功
购票失败
购票失败
购票失败
购票失败
购票失败
购票失败
购票失败
购票失败
主线程

三，进程间通信

　　进程彼此之间互相隔离，要实现进程间通信（IPC），multiprocessing模块支持两种形式：队列和管道，这两种方式都是使用消息传递的。

　　3.1 进程间通信（IPC）方式一：队列（推荐使用）

　　队列方式一：Queue()

　　队列先进先出，栈后进先出，创建队列的类（底层就是以管道和锁定的方式实现）：

# 实例创建
Queue([maxsize]):创建共享的进程队列，Queue是多进程安全的队列，可以使用Queue实现多进程之间的数据传递。

# 参数说明
maxsize是队列中允许最大项数，省略则无大小限制。

# 属性介绍

q.put方法用以插入数据到队列中
put方法还有两个可选参数：blocked和timeout。
如果blocked为True（默认值），并且timeout为正值，该方法会阻塞timeout指定的时间，直到该队列有剩余的空间。
如果超时，会抛出Queue.Full异常。如果blocked为False，但该Queue已满，会立即抛出Queue.Full异常。

q.get方法可以从队列读取并且删除一个元素。
get方法有两个可选参数：blocked和timeout。
如果blocked为True（默认值），并且timeout为正值，那么在等待时间内没有取到任何元素，会抛出Queue.Empty异常。
如果blocked为False，有两种情况存在，如果Queue有一个值可用，则立即返回该值，否则，如果队列为空，则立即抛出Queue.Empty异常.
 
q.get_nowait():同q.get(False)
q.put_nowait():同q.put(False)

q.empty():调用此方法时q为空则返回True，该结果不可靠，比如在返回True的过程中，如果队列中又加入了项目。
q.full()：调用此方法时q已满则返回True，该结果不可靠，比如在返回True的过程中，如果队列中的项目被取走。
q.qsize():返回队列中目前项目的正确数量，结果也不可靠，理由同q.empty()和q.full()一样

　　实例：基于队列实现生产者和消费者模型

from multiprocessing import Process,Queue
import time,random,os


def consumer(q):
    while True:
        time.sleep(random.randint(1,3))
        res=q.get()
        if res is None:break
        print(‘\033[45m消费者拿到了：%s\033[0m‘ %res)

def producer(seq,q):
    for item in seq:
        time.sleep(random.randint(1,3))
        print(‘\033[46m生产者生产了：%s\033[0m‘ %item)

        q.put(item)

if __name__ == ‘__main__‘:
    q=Queue()

    c=Process(target=consumer,args=(q,))
    c.start()

    producer((‘包子%s‘ %i for i in range(5)),q)
    q.put(None)
    c.join()
    print(‘主线程‘)

　　输出：

生产者生产了：包子0
消费者拿到了：包子0
生产者生产了：包子1
消费者拿到了：包子1
生产者生产了：包子2
消费者拿到了：包子2
生产者生产了：包子3
消费者拿到了：包子3
生产者生产了：包子4
消费者拿到了：包子4
主线程

　　队列方式二：JoinableQueue()

JoinableQueue([maxsize])：这就像是一个Queue对象，但队列允许项目的使用者通知生成者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。

maxsize是队列中允许最大项数，省略则无大小限制。

JoinableQueue的实例p除了与Queue对象相同的方法之外还具有：

    q.task_done()：使用者使用此方法发出信号，表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量，将引发ValueError异常
    q.join():生产者调用此方法进行阻塞，直到队列中所有的项目均被处理。阻塞将持续到队列中的每个项目均调用q.task_done（）方法为止

　　生产者消费者模型：

from multiprocessing import Process,JoinableQueue
import time,random
def consumer(q):
    while True:
        # time.sleep(random.randint(1,2))
        res=q.get()
        print(‘消费者拿到了 %s‘ %res)
        q.task_done()


def producer(seq,q):
    for item in seq:
        # time.sleep(random.randrange(1,2))
        q.put(item)
        print(‘生产者做好了 %s‘ %item)
    q.join()

if __name__ == ‘__main__‘:
    q=JoinableQueue()
    seq=(‘包子%s‘ %i for i in range(5))

    p=Process(target=consumer,args=(q,))
    p.daemon=True #设置为守护进程，在主线程停止时p也停止，但是不用担心，producer内调用q.join保证了consumer已经处理完队列中的所有元素
    p.start()

    producer(seq,q)

    print(‘主线程‘)

　　3.2 进程间通信（IPC）方式二：管道

　　

# 创建实例
Pipe([duplex]):在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调一点：必须在产生Process对象之前产生管道

# 参数介绍
dumplex:默认管道是全双工的，如果将duplex射成False，conn1只能用于接收，conn2只能用于发送。

# 方法介绍
conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已经关闭，那么recv方法会抛出EOFError。
conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象

conn1.close():关闭连接。如果conn1被垃圾回收，将自动调用此方法
conn1.fileno():返回连接使用的整数文件描述符
conn1.poll([timeout]):如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返回结果。如果将timeout射成None，操作将无限期地等待数据到达。
 
conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息，超过了这个最大值，将引发IOError异常，
并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭，再也不存在任何数据，将引发EOFError异常。
conn.send_bytes(buffer [, offset [, size]])：通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数进行接收    
 
conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的缓冲区接口（即bytearray对象或类似的对象）。
offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。

　　生产者消费者实例：

from multiprocessing import Process,Pipe

import time,os
def consumer(p,name):
    left,right=p
    left.close()
    while True:
        try:
            baozi=right.recv()
            print(‘%s 收到包子:%s‘ %(name,baozi))
        except EOFError:
            right.close()
            break
def producer(seq,p):
    left,right=p
    right.close()
    for i in seq:
        left.send(i)
        # time.sleep(1)
    else:
        left.close()
if __name__ == ‘__main__‘:
    left,right=Pipe()

    c1=Process(target=consumer,args=((left,right),‘c1‘))
    c1.start()


    seq=(i for i in range(10))
    producer(seq,(left,right))

    right.close()
    left.close()

    c1.join()
    print(‘主进程‘)

　　注意：生产者和消费者都没有使用管道的某个端点，就应该将其关闭，如在生产者中关闭管道的右端，在消费者中关闭管道的左端。如果忘记执行这些步骤，程序可能再消费者中的recv()操作上挂起。管道是由操作系统进行引用计数的,必须在所有进程中关闭管道后才能生产EOFError异常。因此在生产者中关闭管道不会有任何效果，付费消费者中也关闭了相同的管道端点。

　　管道可以用于双向通信，利用通常在客户端/服务器中使用的请求／响应模型或远程过程调用，就可以使用管道编写与进程交互的程序，如下

from multiprocessing import Process,Pipe

import time,os
def adder(p,name):
    server,client=p
    client.close()
    while True:
        try:
            x,y=server.recv()
        except EOFError:
            server.close()
            break
        res=x+y
        server.send(res)
    print(‘server done‘)
if __name__ == ‘__main__‘:
    server,client=Pipe()

    c1=Process(target=adder,args=((server,client),‘c1‘))
    c1.start()

    server.close()

    client.send((10,20))
    print(client.recv())
    client.close()

    c1.join()
    print(‘主进程‘)

　　输出：

30
server done
主进程

四，进程池

　　4.1 进程池介绍

　　开多进程的目的是为了并发，如果有多核，通常有几个核就开几个进程，进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行），但很明显需要并发执行的任务要远大于核数，这时我们就可以通过维护一个进程池来控制进程数目，比如httpd的进程模式，规定最小进程数和最大进程数。 

　　当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。而且对于远程过程调用的高级应用程序而言，应该使用进程池，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，就重用进程池中的进程。在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。

　　4.2 进程池使用

　　　  4.2.1进程池方式一：

　　　　 同步调用：

from multiprocessing import Pool
import os,time
 
def work(n):
    print(‘{} run‘.format(os.getpid()))
    time.sleep(1)
    return n ** 2   # ret
 
if __name__ == ‘__main__‘:
    p = Pool(3) # 创建3个进程
    res_1 = []
    for i in range(20):
        res = p.apply(work,args=(i,))
        ‘‘‘同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞，
        但不管该任务是否存在阻塞，同步调用都会在原地等着，只是等的过程中若是任务发生了阻塞就会被夺走cpu的执行权限;
        个人理解：程序判断两个子程序执行的间隔时间，过长则判断存在阻塞，届时夺走上次进程ID的使用权限，从进程池分配新的进程ID‘‘‘
        res_1.append(res)
    print(res_1)

　　　　异步调用：

from multiprocessing import Pool
import os,time
def work(n):
    print(‘%s run‘ %os.getpid())
    time.sleep(3)
    return n**2
 
if __name__ == ‘__main__‘:
    p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
    res_l=[]
    for i in range(10):
        print(i)  # for循环会提前运行完毕，进程池内的任务还未执行。
        res=p.apply_async(work,args=(i,)) #同步运行,阻塞、直到本次任务执行完毕拿到res
        res_l.append(res)   #将调用apply_async方法，得到返回进程内存地址结果
 
    #异步apply_async用法：如果使用异步提交的任务，主进程需要使用join，等待进程池内任务都处理完，然后可以用get收集结果，
    # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
    p.close()
    p.join()
    for res in res_l:
        print(res.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get

　　　　apply_sync和apply方法

# apply_async方法
from multiprocessing import Process,Pool
import time
 
def func(msg):
    print( "msg:", msg)
    time.sleep(1)
    return msg
 
if __name__ == "__main__":
    pool = Pool(processes = 3)
    res_l=[]
    for i in range(10):
        print(i)
        msg = "hello %d" %(i)
        res=pool.apply_async(func, (msg, ))   #维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
        res_l.append(res)   # 将apply_async方法得到的内存地址结果加入列表
    print("==============================>") #没有后面的join，或get，则程序整体结束，进程池中的任务还没来得及全部执行完
    # 也都跟着主进程一起结束了
 
    pool.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
    pool.join()   #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
 
    print(res_l) #看到的是<multiprocessing.pool.ApplyResult object at 0x10357c4e0>对象组成的列表,而非最终的结果,但这一步
    # 是在join后执行的,证明结果已经计算完毕,剩下的事情就是调用每个对象下的get方法去获取结果
    for i in res_l:
        print(i.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get
 
 
#apply方法
from multiprocessing import Process,Pool
import time
 
def func(msg):
    print( "msg:", msg)
    time.sleep(0.1)
    return msg
 
if __name__ == "__main__":
    pool = Pool(processes = 3)
    res_l=[]
    for i in range(10):
        msg = "hello %d" %(i)
        res=pool.apply(func, (msg, ))   #维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
        res_l.append(res) #同步执行，即执行完一个拿到结果，再去执行另外一个
    print("==============================>")
    pool.close()
    pool.join()   #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
 
    print(res_l) #看到的就是最终的结果组成的列表
    for i in res_l: #apply是同步的，所以直接得到结果，没有get()方法
        print(i)

　　　　map方法

#map
import os,time
from multiprocessing import Pool
 
def func(i):
    time.sleep(1)
    print(‘子进程{}‘.format(os.getpid()))
    return i
 
if __name__ == ‘__main__‘:
    p = Pool(5)
    ret = p.map(func,range(10)) # func(next(range(10)))
    print(ret)

　　　4.2.1 concurrent.futures 模块实现‘池’

　　　　同步调用：

# #同步调用：提交/调用一个任务，然后就在原地等着，等到该任务执行完毕拿到结果，再执行下一行代码
from concurrent.futures import ProcessPoolExecutor
import time

def save_test(name,n):
    n = n+1
    time.sleep(n)
    print("{}的名字次数为{}".format(name,n))
    return n


if __name__ == ‘__main__‘:
    start = time.time()
    ex = ProcessPoolExecutor(max_workers=3)
    lista = ["Tom","Jerry","XiaoHua","Ming"]

    for i,j in enumerate(lista):
        #存在两个以上的参数时，直接用逗号隔开，不需要用括号
        task = ex.submit(save_test,j,i).result()
        print(task)
    #ex.shutdown(wait=True)是进程池内部的进程都执行完毕，才会关闭，然后执行后续代码
    ex.shutdown(wait=True)
    print("主进程直接运行")
    stop = time.time()
    print(stop-start)

　　　　异步调用：

#异步调用: 提交/调用一个任务，不在原地等着，直接执行下一行代码
from concurrent.futures import ProcessPoolExecutor
import time

def save_test(name,n):
    n = n+1
    time.sleep(n)
    print("{}的名字次数为{}".format(name,n))
    return n


if __name__ == ‘__main__‘:
    obj = list()
    start = time.time()
    ex = ProcessPoolExecutor(max_workers=3)
    lista = ["letme","Mlxg","XiaoHu","Ming"]

    for i,j in enumerate(lista):
        #存在两个以上的参数时，直接用逗号隔开，不需要用括号
        task = ex.submit(save_test,j,i)
        obj.append(task)
    #ex.shutdown(wait=True)是进程池内部的进程都执行完毕，才会关闭，然后执行后续代码
    ex.shutdown(wait=True)
    print("主进程直接运行")
    for i in obj:
        print(i.result())
    stop = time.time()
    print(stop-start)

　　　　map方法使用

from concurrent.futures import ProcessPoolExecutor

import urllib.request
URLS = [‘http://www.163.com‘, ‘https://www.baidu.com/‘, ‘https://github.com/‘]


def load_url(url):
    with urllib.request.urlopen(url, timeout=60) as conn:
        print(‘%r page is %d bytes‘ % (url, len(conn.read())))


if __name__ == ‘__main__‘:
    executor = ProcessPoolExecutor(max_workers=3)
    executor.map(load_url,URLS)
    print(‘主进程‘)

五，总结

　　用futures的写法上更简洁一些，concurrent.futures的性能并没有更好，只是让编码变得更简单。考虑并发编程的时候，任何简化都是好事。从长远来看，concurrent.futures编写的代码更容易维护。
　　使用map时，future是逐个迭代提交，multiprocessing.Pool是批量提交jobs，因此对于大批量jobs的处理，multiprocessing.Pool效率会更高一些。对于需要长时间运行的作业，用future更佳，future提供了更多的功能（callback, check status, cancel）。
　　concurrent.futures.ProcessPoolExecutor是对multiprocessing的封装，在运行时需导入__main__，不能直接在交互窗口工作。