关于我 一个有思想的程序猿,终身学习实践者,目前在一个创业团队任team lead,技术栈涉及Android、Python、Java和Go,这个也是我们团队的主要技术栈。 Github://github.com/hylinux1024 微信公众号:终身开发者(angrycode) 0x00 使用进程实现并发 上一篇文章介绍了线程的使用。然而Python中由于Global Interpreter Lock(全局解释锁GIL)的存在,每个线程在在执行时需要获取到这个GIL,在同一时刻中只有一个线程得到解释锁的执行,Python中的线程并没有真正意义上的并发执行,多线程的执行效率也不一定比单线程的效率更高。 如果要充分利用现代多核CPU的并发能力,就要使用multipleprocessing模块了。 0x01 multipleprocessing 与使用线程的threading模块类似,multipleprocessing模块提供许多高级API。最常见的是Pool对象了,使用它的接口能很方便地写出并发执行的代码。 from multiprocessing import Pool def f(x): return x * x if __name__ == '__main__': with Pool(5) as p: # map方法的作用是将f()方法并发地映射到列表中的每个元素 print(p.map(f, [1, 2, 3])) # 执行结果 # [1, 4, 9] 关于Pool下文中还会提到,这里我们先来看Process。 Process 要创建一个进程可以使用Process类,使用start()方法启动进程。 from multiprocessing import Process import os def echo(text): # 父进程ID print("Process Parent ID : ", os.getppid()) # 进程ID print("Process PID : ", os.getpid()) print('echo : ', text) if __name__ == '__main__': p = Process(target=echo, args=('hello process',)) p.start() p.join() # 执行结果 # Process Parent ID : 27382 # Process PID : 27383 # echo : hello process 进程池 正如开篇提到的multiprocessing模块提供了Pool类可以很方便地实现一些简单多进程场景。 它主要有以下接口 apply(func[, args[, kwds]]) 执行func(args,kwds)方法,在方法结束返回前会阻塞。 apply_async(func[, args[, kwds[, callback[, error_callback]]]]) 异步执行func(args,kwds),会立即返回一个result对象,如果指定了callback参数,结果会通过回调方法返回,还可以指定执行出错的回调方法error_callback() map(func, iterable[, chunksize]) 类似内置函数map(),可以并发执行func,是同步方法 map_async(func, iterable[, chunksize[, callback[, error_callback]]]) 异步版本的map close() 关闭进程池。当池中的所有工作进程都执行完毕时,进程会退出。 terminate() 终止进程池 join() 等待工作进程执行完,必需先调用close()或者terminate() from multiprocessing import Pool def f(x): return x * x if __name__ == '__main__': with Pool(5) as p: # map方法的作用是将f()方法并发地映射到列表中的每个元素 a = p.map(f, [1, 2, 3]) print(a) # 异步执行map b = p.map_async(f, [3, 5, 7, 11]) # b 是一个result对象,代表方法的执行结果 print(b) # 为了拿到结果,使用join方法等待池中工作进程退出 p.close() # 调用join方法前,需先执行close或terminate方法 p.join() # 获取执行结果 print(b.get()) # 执行结果 # [1, 4, 9] # <multiprocessing.pool.MapResult object at 0x10631b710> # [9, 25, 49, 121] map_async()和apply_async()执行后会返回一个class multiprocessing.pool.AsyncResult对象,通过它的get()可以获取到执行结果,ready()可以判断AsyncResult的结果是否准备好。 进程间数据的传输 multiprocessing模块提供了两种方式用于进程间的数据共享:队列(Queue)和管道(Pipe) Queue是线程安全,也是进程安全的。使用Queue可以实现进程间的数据共享,例如下面的demo中子进程put一个对象,在主进程中就能get到这个对象。 任何可以序列化的对象都可以通过Queue来传输。 from multiprocessing import Process, Queue def f(q): q.put([42, None, 'hello']) if __name__ == '__main__': # 使用Queue进行数据通信 q = Queue() p = Process(target=f, args=(q,)) p.start() # 主进程取得子进程中的数据 print(q.get()) # prints "[42, None, 'hello']" p.join() # 执行结果 # [42, None, 'hello'] Pipe()返回一对通过管道连接的Connection对象。这两个对象可以理解为管道的两端,它们通过send()和recv()发送和接收数据。 from multiprocessing import Process, Pipe def write(conn): # 子进程中发送一个对象 conn.send([42, None, 'hello']) conn.close() def read(conn): # 在读的进程中通过recv接收对象 data = conn.recv() print(data) if __name__ == '__main__': # Pipe()方法返回一对连接对象 w_conn, r_conn = Pipe() wp = Process(target=write, args=(w_conn,)) rp = Process(target=read, args=(r_conn,)) wp.start() rp.start() # 执行结果 # [42, None, 'hello'] 需要注意的是,两个进程不能同时对一个连接对象进行send或recv操作。 同步 我们知道线程间的同步是通过锁机制来实现的,进程也一样。 from multiprocessing import Process, Lock import time def print_with_lock(l, i): l.acquire() try: time.sleep(1) print('hello world', i) finally: l.release() def print_without_lock(i): time.sleep(1) print('hello world', i) if __name__ == '__main__': lock = Lock() # 先执行有锁的 for num in range(5): Process(target=print_with_lock, args=(lock, num)).start() # 再执行无锁的 # for num in range(5): # Process(target=print_without_lock, args=(num,)).start() 有锁的代码将每秒依次打印 hello world 0 hello world 1 hello world 2 hello world 3 hello world 4 如果执行无锁的代码,则在我的电脑上执行结果是这样的 hello worldhello world 0 1 hello world 2 hello world 3 hello world 4 除了Lock,还包括RLock、Condition、Semaphore和Event等进程间的同步原语。其用法也与线程间的同步原语很类似。API使用可以参考文末中引用的文档链接。 在工程中实现进程间的数据共享应当优先使用队列或管道。 0x02 总结 本文对multiprocessing模块中常见的API作了简单的介绍。讲述了Process和Pool的常见用法,同时介绍了进程间的数据方式:队列和管道。最后简单了解了进程间的同步原语。 通过与上篇的对比学习,本文的内容应该是更加容易掌握的。 0x03 引用 //python-parallel-programmning-cookbook.readthedocs.io //docs.python.org/3/library/threading.html //docs.python.org/3.7/library/multiprocessing.html //docs.python.org/3/glossary.html#term-global-interpreter-lock //docs.python.org/3/library/concurrent.futures.html#module-concurrent.futures
转载自://www.cnblogs.com/angrycode/p/11391635.html