python基礎之並發編程(二)
一、多進程的實現
方法一
# 方法包裝 多進程 from multiprocessing import Process from time import sleep def func1(arg): print(f'{arg}開始...') sleep(2) print(f'{arg}結束...') if __name__ == "__main__": p1 = Process(target=func1,args=('p1',)) p2 = Process(target=func1,args=('p2',)) p1.start() p2.start()
方法二:
二、使用進程的優缺點
1、優點
- 可以使用計算機多核,進行任務的並發執行,提高執行效率
- 運行不受其他進程影響,創建方便
- 空間獨立,數據安全
2、缺點
- 進程的創建和刪除消耗的系統資源較多
三、進程的通信
Python 提供瞭多種實現進程間通信的機制,主要有以下 2 種:
1. Python multiprocessing
模塊下的 Queue 類,提供瞭多個進程之間實現通信的諸多 方法
2. Pipe,又被稱為“管道”,常用於實現 2 個進程之間的通信,這 2 個進程分別位於管 道的兩端
Pipe 直譯過來的意思是“管”或“管道”,該種實現多進程編程的方式,和實際生活中 的管(管道)是非常類似的。通常情況下,管道有 2 個口,而 Pipe 也常用來實現 2 個進程之 間的通信,這 2 個進程分別位於管道的兩端,一端用來發送數據,另一端用來接收數據 – send(obj)
發送一個 obj 給管道的另一端,另一端使用 recv() 方法接收。需要說明的是,該 obj 必 須是可序列化的,如果該對象序列化之後超過 32MB,則很可能會引發 ValueError 異常 – recv()
接收另一端通過 send() 方法發送過來的數據 – close()
關閉連接 – poll([timeout])
返回連接中是否還有數據可以讀取 – end_bytes(buffer[, offset[, size]])
發送字節數據。如果沒有指定 offset、size 參數,則默認發送 buffer 字節串的全部數 據;如果指定瞭 offset 和 size 參數,則隻發送 buffer 字節串中從 offset 開始、長度為 size 的字節數據。通過該方法發送的數據,應該使用 recv_bytes() 或 recv_bytes_into 方法接收 – recv_bytes([maxlength])
接收通過 send_bytes() 方法發送的數據,maxlength 指定最多接收的字節數。該方法返 回接收到的字節數據 – recv_bytes_into(buffer[, offset])
功能與 recv_bytes() 方法類似,隻是該方法將接收到的數據放在 buffer 中
1、Queue 實現進程間通信
from multiprocessing import Process,current_process,Queue # current_process 指的是當前進程 # from queue import Queue import os def func(name,mq): print('進程ID {} 獲取瞭數據:{}'.format(os.getpid(),mq.get())) mq.put('shiyi') if __name__ == "__main__": # print('進程ID:{}'.format(current_process().pid)) # print('進程ID:{}'.format(os.getpid())) mq = Queue() mq.put('yangyang') p1 = Process(target=func,args=('p1',mq)) p1.start() p1.join() print(mq.get())
2、Pipe 實現進程間通信(一邊發送send(obj),一邊接收(obj))
from multiprocessing import Process,current_process,Pipe import os def func(name,con): print('進程ID {} 獲取瞭數據:{}'.format(os.getpid(),con.recv())) con.send('你好!') if __name__ == "__main__": # print('進程ID:{}'.format(current_process().pid)) con1,con2 = Pipe() p1 = Process(target=func,args=('p1',con1)) p1.start() con2.send("hello!") p1.join() print(con2.recv())
四、Manager管理器
管理器提供瞭一種創建共享數據的方法,從而可以在不同進程中共享
from multiprocessing import Process,current_process import os from multiprocessing import Manager def func(name,m_list,m_dict): print('子進程ID {} 獲取瞭數據:{}'.format(os.getpid(),m_list)) print('子進程ID {} 獲取瞭數據:{}'.format(os.getpid(),m_dict)) m_list.append('你好') m_dict['name'] = 'shiyi' if __name__ == "__main__": print('主進程ID:{}'.format(current_process().pid)) with Manager() as mgr: m_list = mgr.list() m_dict = mgr.dict() m_list.append('Hello!!') p1 = Process(target=func,args=('p1',m_list,m_dict)) p1.start() p1.join() print(m_list) print(m_dict)
五、進程池
Python 提供瞭更好的管理多個進程的方式,就是使用進程池。
進程池可以提供指定數量的進程給用戶使用,即當有新的請求提交到進程池中時,如果池 未滿,則會創建一個新的進程用來執行該請求;反之,如果池中的進程數已經達到規定最大 值,那麼該請求就會等待,隻要池中有進程空閑下來,該請求就能得到執行。
使用進程池的優點
1. 提高效率,節省開辟進程和開辟內存空間的時間及銷毀進程的時間
2. 節省內存空間
類/方法 | 功能 | 參數 |
Pool(processes)
|
創建進程池對象
|
processes 表示進程池
中有多少進程
|
pool.apply_async(func,a
rgs,kwds)
|
異步執行 ;將事件放入到進 程池隊列
|
func 事件函數
args 以元組形式給
func 傳參
kwds 以字典形式給
func 傳參 返回值:返
回一個代表進程池事件的對
象,通過返回值的 get 方法
可以得到事件函數的返回值
|
pool.apply(func,args,kw
ds)
|
同步執行;將事件放入到進程 池隊列
|
func 事件函數 args 以
元組形式給 func 傳參
kwds 以字典形式給 func
傳參
|
pool.close()
|
關閉進程池
|
|
pool.join()
|
回收進程池
|
|
pool.map(func,iter)
|
類似於 python 的 map 函
數,將要做的事件放入進程池
|
func 要執行的函數
iter 迭代對象
|
from multiprocessing import Pool import os from time import sleep def func1(name): print(f"當前進程的ID:{os.getpid()},{name}") sleep(2) return name def func2(args): print(args) if __name__ == "__main__": pool = Pool(5) pool.apply_async(func = func1,args=('t1',),callback=func2) pool.apply_async(func = func1,args=('t2',),callback=func2) pool.apply_async(func = func1,args=('t3',),callback=func2) pool.apply_async(func = func1,args=('t4',)) pool.apply_async(func = func1,args=('t5',)) pool.apply_async(func = func1,args=('t6',)) pool.close() pool.join()
from multiprocessing import Pool import os from time import sleep def func1(name): print(f"當前進程的ID:{os.getpid()},{name}") sleep(2) return name if __name__ == "__main__": with Pool(5) as pool: args = pool.map(func1,('t1,','t2,','t3,','t4,','t5,','t6,','t7,','t8,')) for a in args: print(a)
總結
本篇文章就到這裡瞭,希望能夠給你帶來幫助,也希望您能夠多多關註WalkonNet的更多內容!