Python實現多任務進程示例
一、進程介紹
進程:正在執行的程序,由程序、數據和進程控制塊組成,是正在執行的程序,程序的一次執行過程,是資源調度的基本單位。
程序:沒有執行的代碼,是一個靜態的。
二、線程和進程之間的對比
由圖可知:此時電腦有 9 個應用進程,但是一個進程又會對應於多個線程,可以得出結論:
進程:能夠完成多任務,一臺電腦上可以同時運行多個 QQ
線程:能夠完成多任務,一個 QQ 中的多個聊天窗口
根本區別:進程是操作系統資源分配的基本單位,而線程是任務調度和執行的基本單位.
使用多進程的優勢:
1、擁有獨立GIL:
首先由於進程中 GIL 的存在,Python 中的多線程並不能很好地發揮多核優勢,一個進程中的多個線程,在同 一時刻隻能有一個線程運行。而對於多進程來說,每個進程都有屬於自己的 GIL,所以,在多核處理器下,多進程的運行是不會受 GIL的影響的。因此,多進 程能更好地發揮多核的優勢。
2、效率高
當然,對於爬蟲這種 IO 密集型任務來說,多線程和多進程影響差別並不大。對於計算密集型任務來說,Python 的多進程相比多線 程,其多核運行效率會有成倍的提升。
三、Python 實現多進程
我們先用一個實例來感受一下:
1、使用 process 類
import multiprocessing def process(index): print(f'Process: {index}') if __name__ == '__main__': for i in range(5): p = multiprocessing.Process(target=process, args=(i,))p.start
這是一個實現多進程最基礎的方式:通過創建 Process 來新建一個子進程,其中 target 參數傳入方法名,args 是方法的參數,是以 元組的形式傳入,其和被調用的方法 process 的參數是一一對應的。
註意:這裡 args 必須要是一個元組,如果隻有一個參數,那也要在元組第一個元素後面加一個逗號,如果沒有逗號則 和單個元素本身沒有區別,無法構成元組,導致參數傳遞出現問題。創建完進程之後,我們通過調用 start 方法即可啟動進程瞭。
運行結果如下:
Process: 0 Process: 1 Process: 2 Process: 3 Process: 4
可以看到,我們運行瞭 5 個子進程,每個進程都調用瞭 process 方法。process 方法的 index 參數通過 Process 的 args 傳入,分別是 0~4 這 5 個序號,最後打印出來,5 個子進程運行結束。
2、繼承 process 類
from multiprocessing import Process import timeclass MyProcess(Process): def __init__(self,loop): Process.__init__(self) self.loop = loop def run(self): for count in range(self.loop): time.sleep(1) print(f'Pid:{self.pid} LoopCount: {count}') if __name__ == '__main__': for i in range(2,5): p = MyProcess(i) p.start
我們首先聲明瞭一個構造方法,這個方法接收一個 loop 參數,代表循環次數,並將其設置為全局變量。在 run方法中,又使用這 個 loop 變量循環瞭 loop 次並打印瞭當前的進程號和循環次數。
在調用時,我們用 range 方法得到瞭 2、3、4 三個數字,並把它們分別初始化瞭 MyProcess 進程,然後調用 start 方法將進程啟動起 來。
註意:這裡進程的執行邏輯需要在 run 方法中實現,啟動進程需要調用 start 方法,調用之後 run 方法便會執行。
運行結果如下:
Pid:12976 LoopCount: 0 Pid:15012 LoopCount: 0 Pid:11976 LoopCount: 0 Pid:12976 LoopCount: 1 Pid:15012 LoopCount: 1 Pid:11976 LoopCount: 1 Pid:15012 LoopCount: 2 Pid:11976 LoopCount: 2 Pid:11976 LoopCount: 3
註意,這裡的進程 pid 代表進程號,不同機器、不同時刻運行結果可能不同。
四、進程之間的通信
1、Queue-隊列 先進先出
from multiprocessing import Queue import multiprocessing def download(p): # 下載數據 lst = [11,22,33,44] for item in lst: p.put(item)print('數據已經下載成功....') def savedata(p): lst = while True: data = p.getlst.append(data)if p.empty: breakprint(lst)def main:p1 = Queuet1 = multiprocessing.Process(target=download,args=(p1,))t2 = multiprocessing.Process(target=savedata,args=(p1,))t1.startt2.startif __name__ == '__main__': main
數據已經下載成功.... [11, 22, 33, 44]
2、共享全局變量不適用於多進程編程
import multiprocessing a = 1 def demo1: global a a += 1 def demo2: print(a)def main: t1 = multiprocessing.Process(target=demo1)t2 = multiprocessing.Process(target=demo2)t1.startt2.startif __name__ == '__main__': main
運行結果:
1
有結果可知:全局變量不共享;
五、進程池之間的通信
1、進程池引入
當需要創建的子進程數量不多時,可以直接利用 multiprocessing 中的 Process 動態生成多個進程,但是如果是上百甚至上千個目標,手動的去創建的進程的工作量巨大,此時就可以用到 multiprocessing 模塊提供的 Pool 方法。
from multiprocessing import Pool import os,time,random def worker(a):t_start = time.time print('%s開始執行,進程號為%d'%(a,os.getpid)) time.sleep(random.random*2) t_stop = time.time print(a,"執行完成,耗時%0.2f"%(t_stop-t_start)) if __name__ == '__main__': po = Pool(3) # 定義一個進程池 for i in range(0,10): po.apply_async(worker,(i,)) # 向進程池中添加worker的任務print("--start--") po.closepo.joinprint("--end--")
運行結果:
--start-- 0開始執行,進程號為6664 1開始執行,進程號為47722開始執行,進程號為132560 執行完成,耗時0.18 3開始執行,進程號為6664 2 執行完成,耗時0.16 4開始執行,進程號為13256 1 執行完成,耗時0.67 5開始執行,進程號為4772 4 執行完成,耗時0.87 6開始執行,進程號為13256 3 執行完成,耗時1.59 7開始執行,進程號為6664 5 執行完成,耗時1.15 8開始執行,進程號為4772 7 執行完成,耗時0.40 9開始執行,進程號為6664 6 執行完成,耗時1.80 8 執行完成,耗時1.49 9 執行完成,耗時1.36 --end--
一個進程池隻能容納 3 個進程,執行完成才能添加新的任務,在不斷的打開與釋放的過程中循環往復。
六、案例:文件批量復制
操作思路:
獲取要復制文件夾的名字
創建一個新的文件夾
獲取文件夾裡面所有待復制的文件名
創建進程池
向進程池添加任務
代碼如下:
導包
import multiprocessing import osimport time
定制文件復制函數
def copy_file(Q,oldfolderName,newfolderName,file_name): # 文件復制,不需要返回time.sleep(0.5) # print('\r從%s文件夾復制到%s文件夾的%s文件'%(oldfolderName,newfolderName,file_name),end='') old_file = open(oldfolderName + '/' + file_name,'rb') # 待復制文件 content = old_file.readold_file.closenew_file = open(newfolderName + '/' + file_name,'wb') # 復制出的新文件 new_file.write(content) new_file.closeQ.put(file_name) # 向Q隊列中添加文件
定義主函數
def main: oldfolderName = input('請輸入要復制的文件夾名字:') # 步驟1獲取要復制文件夾的名字(可以手動創建,也可以通過代碼創建,這裡我們手動創建) newfolderName = oldfolderName + '復件' # 步驟二 創建一個新的文件夾if not os.path.exists(newfolderName): os.mkdir(newfolderName) filenames = os.listdir(oldfolderName) # 3.獲取文件夾裡面所有待復制的文件名 # print(filenames) pool = multiprocessing.Pool(5) # 4.創建進程池 Q = multiprocessing.Manager.Queue # 創建隊列,進行通信for file_name in filenames: pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向進程池添加任務 po.closecopy_file_num = 0 file_count = len(filenames) # 不知道什麼時候完成,所以定義一個死循環while True: file_name = Q.getcopy_file_num += 1 time.sleep(0.2) print('\r拷貝進度%.2f %%'%(copy_file_num * 100/file_count),end='') # 做一個拷貝進度條 if copy_file_num >= file_count: break
程序運行
if __name__ == '__main__': main
運行結果如下圖所示:
運行前後文件目錄結構對比
運行前
運行後
到此這篇關於Python實現多任務進程示例的文章就介紹到這瞭,更多相關Python多任務進程內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!