python 多進程,python進程

來源:互聯網
上載者:User

python 多進程,python進程

python3.6

多進程

多進程Table of Contents
  • 1. 多進程
    • 1.1. linux/unix/win 啟動方式對比
      • 1.1.1. spawn win的預設方法,支援unix/win
      • 1.1.2. fork unix的預設方法,僅支援unix
      • 1.1.3. forkserver 當平台支援unix的管道檔案時該方法可用
      • 1.1.4. 啟動子進程
      • 1.1.5. 選擇啟動的方法
      • 1.1.6. 其他內容
    • 1.2. 進程通訊
      • 1.2.1. 隊列 Queue
      • 1.2.2. TODO 管道 Pipes
      • 1.2.3. 執行個體
    • 1.3. 進程同步
      • 1.3.1. 鎖Lock
      • 1.3.2. 執行個體
    • 1.4. 進程池 Pool
      • 1.4.1. 建立Pool([processes[,initalizer[,initargs[,maxtasksperchild[,context]]]])
      • 1.4.2. AsyncResult applyasync,mapasync與starmapasync的返回對象
      • 1.4.3. 執行個體
    • 1.5. 資源共用
      • 1.5.1. 使用Array,Value作為儲存空間來儲存需要共用的資源
      • 1.5.2. 執行個體
      • 1.5.3. 使用服務進程server process
1 多進程 1.1 linux/unix/win 啟動方式對比

在不同平台上系統使用的多進程機制是不一樣的,所以在python實現中有三種不同的開啟多進程的方式

1.1.1 spawn win的預設方法,支援unix/win

父進程開啟一個新的python解釋程式 子進程只獲得足夠運行run()方法的資源 父進程的檔案描述符和控制代碼不被繼承 此方式的速度在三種方式中最慢

  1. run() 該方法是target的參數,參數是一個可調用對象即可

    經測試,當run調用的是function時,資源仍無法保留,只有調用一個可調用對象且初始化方法(init)除self外有其他參數才行

    def hello():    passclass Hello():    def __init__(self,name):print(name)hello.__init__()  # 不需要傳參,所以資源無法保留hello_cla = Hello('name')hello_cla.__init__('name')  # 有傳參,資源才能保留

    執行個體:

    from multiprocessing import Process, Queueimport multiprocessing as mpimport osdef hello_procs(name):    print("這是{}{}進程".format(name,os.getpid()))    print("父進程ID%s"%os.getppid())    try:print(sourceA)print("調用成功,因為未使用spawn方式")    except Exception as e:print("調用失敗,因為該資源不是必須資源")print(e)class Sou():    def __init__(self,soua):self.soua = soua    def show_soua(self):print(self.soua)    def __call__(self):self.show_soua()if __name__ == '__main__':    sourceA = "AA"    sourceB = "BB"    # 使用forkserver在資源繼承方面與spawn表現一致    mp.set_start_method('spawn')    print("當前進程的進程id是%s"%os.getpid())    #p = Process(target=hello_procs, args=('第一個進程',))    a = Sou(sourceA)    p = Process(target=a)    """    上面的是不帶參數的傳遞方式,如需要給可調用函數傳遞參數,那麼需要修改為__call__(self,參數)    再接下來就是修改Process參數為(target=a,args=('參數',))    """    print('開始進入子進程')    p.start()    p.join()    print("進程結束")
1.1.2 fork unix的預設方法,僅支援unix

使用unix的fork()[os.fork()]來建立一個當前解譯器的子進程 子進程獲得父進程全部的資源 此方式的安全問題不好控制

1.1.3 forkserver 當平台支援unix的管道檔案時該方法可用

在使用這種方式時,開啟多進程會開啟一個額外的服務進程 當需要一個子進程時父進程去請求服務進程並得到一個子進程 由於服務進程是單線程的,所以該方式是安全執行緒的

1.1.4 啟動子進程 
  1. 建立進程對象 表示在單獨進程中啟動並執行活動

    Process(group=None,target=None,name=None,args=(),kwargs={},*,daemon=None)group一直為None即可,只是為了和threading.Thread相容target 是run()要調用的對象,需要是可執行檔name 無實意,名字args 可調用對象的位置參數kwargs 可調用對象的關鍵字參數daemon True/False/None 與過程繼承有關

  2. run() 表示進程活動的方法
  3. start() 啟動進程的活動
  4. isalive() 檢測子進程是否存活,只能檢測子進程
  5. join([timeout]) 阻塞調用該方法的進程

    None 阻塞,直到進程完畢正數 阻塞timeout秒

  6. daemon 標識該進程是否為守護進程,True是,False不是,None從上層繼承

    主進程不是守護進程,所以只要不明確指定為True,那麼建立的所有進程都不是守護進程

    from multiprocessing import Process as psimport sysdef hello(*,a=None):    if a == None:pass    else:print(a)def not_sh():    global pish,pfsh,ex    print("非守護進程%s"%ex)    pish = ps(target=is_sh, args=(1,), daemon=True)    pfsh = ps(target=is_sh, args=('非守護進程',)) #daemon為None從上層繼承屬性    pish.start()    pfsh.start()    for i in range(1): #當該值為1時可以看到守護進程在列印出訊息前就退出了print("第二個主進程")    ex="有變化"def is_sh(jc_type):    if jc_type == 1:print("守護進程")for i in range(1000):    print("守護進程")    else:       print()       print("不是守護進程")       for i in range(100):   print("非守護進程")if __name__ == '__main__':    p = ps(target=hello, name='hello', args=(), kwargs={'a':'A'})    print("進程是否存活%s"%p.is_alive())    p.start()    print("守護進程daemon? %s"%p.daemon)    print("進程是否存活%s"%p.is_alive())    # 建立一個非守護進程    pish, pfsh =None,None    ex = "原始"    pnsh = ps(target=not_sh)    pnsh.start()    pnsh.join()    print(ex)
1.1.5 選擇啟動的方法
import multiprocessingmultiprocessing.set_start_method('spawn') #傳入方式的名字# 該方法在程式中至多使用一次
1.1.6 其他內容 
  1. 使用global可以將資料發送到子進程,但是子進程對資料的修改不會反饋到父進程
1.2 進程通訊 1.2.1 隊列 Queue 
  1. Queue([maxsize]) 建立並可以設定最大值
  2. qsize() 返回隊列大致大小(不準確是因為並發) 在MAC上回引發異常NotImplementedError
  3. empty() 是否為空白,不準確
  4. full() 隊列是否已滿,不準確
  5. put(obj[,block[,timeout]])
  6. putnowait(obj) 相當於put(obj,False)
  7. get()
  8. getnowite()
  9. close() 沒有傳回值,關閉隊列,後台線程將資料一次性重新整理到管道當關閉後仍去操作會拋出異常OSError: handle is closed
  10. jointhread() 只能在close()後調用,他阻塞直到後台線程退出,確保資料重新整理到管道
  11. canceljointhread() 立即關閉隊列,不等待後台線程將資料重新整理到管道
1.2.2 TODO 管道 Pipes1.2.3 執行個體
"""處理序間通訊"""from multiprocessing import Process, Queue, Pipeimport os, randomdef write(m):    print('進程:%s'%os.getpid())    m.put('資料A')    """    put(obj[,block[,timeout]])    將值放入隊列    當block為True(預設值),且timeout為None(預設值)時,不會拋出異常,會一直等到可以入隊時將值入隊    當timeout為正值時,等待timeout秒,逾時則拋出queue.Full異常    當block為False時,一旦無法入隊立即拋出異常    """def read(m):        print('進程:%s'%os.getpid())    try:print(m.qsize())    except Exception as e:print("在MAC上會引發異常")    finally:value = m.get()    """    get([block[,timeout]])    擷取一個值後刪除    當block為True(預設值)且timeout為None(預設值),那麼只有當隊列中有內容時擷取值    timeout為正數時,當隊列中無值時阻塞timeout秒,而後仍無值則拋出queue.Empty異常    block為False時一旦無值立即拋出異常    """    print(value)if __name__ == '__main__':    q = Queue()    pw = Process(target=write, name='寫進程', args=(q,))    print('開始寫入資料 %s'%pw.name, end=' :  ')    pw.start()    pr = Process(target=read, name='讀進程', args=(q,))    print('開始讀取資料 %s'%pr.name, end=' :  ')    pr.start()# TODO Pipe 通過管道傳遞訊息
1.3 進程同步 1.3.1 鎖Lock

一旦進程,線程獲得了鎖,那麼隨後的任何進程,線程在擷取鎖時將阻塞

  1. acquire(block=True, timeout=None)

    當block為True,方法調用將阻塞,直到解鎖當block為True時,timeout為正數,那麼最多隻能被阻塞timeout秒,當timeout為負數,阻塞時間長度為0,當為None一直阻塞

  2. release() 釋放鎖

    一把鎖可以被任意對象釋放,未必是上鎖的對象來解鎖

1.3.2 執行個體
from multiprocessing import Process, Lockdef show_lock(l):    #l.release() 在try_get_lock中上的鎖可以在這裡解開    l.acquire(True,-1)    # 逾時時間長度為負數,即使被鎖定也會執行    print("函數正常執行")def try_get_lock(l):    l.acquire()    print("獲得了鎖")#    l.release()if __name__ == '__main__':    l = Lock()    #l.acquire(True)    pg = Process(target=try_get_lock,args=(l,))    pg.start()    ps = Process(target=show_lock,args=(l,))    ps.start()
1.4 進程池 Pool 1.4.1 建立Pool([processes[,initalizer[,initargs[,maxtasksperchild[,context]]]])

processes 進程的數量 initializer 如果不為None,則在每個背景工作處理序啟動時調用initializer(*initargs) maxtasksperchild context 背景工作處理序的上下文

該類實現了上下文管理

  1. apply(func[,args[,kwds]])

    使用args,kwds調用func,直到結果完成

  2. applyasync(func[,args[,kwds[,callback[,errorcallback]]]])

    返回一個結果對象 返回的對象是AsyncResult當指定callback(一個接受單參數的可調用對象)時,完成時會調用callback,調用失敗則調用errorcallback回調應該立即完成,否則線程將會阻塞

  3. map(func,iterable[,chunksize])

    與內建函數map()相同,它阻塞直到map完成

  4. mapasync(func,iterable[,chunksize[,callback[,errorcallback]]])

    返回結果的map()

  5. imap(func,iterable[,chunkszie])

    惰性map()chunkszie參數與map()方法的參數相同

  6. starmap(func,iterable[,chunksize]) iterable必須為可迭代對象

    需要注意'abc'也是可迭代對象,一旦加上(),('abc')更不行func,('abc',)會給func傳入三個參數,而不是一個整體正確做法 傳入(('abc',),),同理,傳入其他可迭代內容也可以這樣做

  7. starmapasync(func,iterable[,chuunksize[,callback[,errorback]]])

    將iterable拆分後調用func並返回一個結果對象

  8. close()

    一旦任務完成,退出進程

  9. terminate()

    立即停止進程並退出

  10. join()

    等待進程結束,在此之前必須調用close或terminate

1.4.2 AsyncResult applyasync,mapasync與starmapasync的返回對象 
  1. get([timeout]) 返回結果,並要求在timeout秒內到達,當timeout不為None時,N秒內未到達拋出異常TimeoutError
  2. wait([timeout]) 等待結果或直到N秒逾時
  3. ready() 判斷返回是否就緒
  4. successful() 返回調用是否完成且無異常
1.4.3 執行個體
from multiprocessing import Pool, TimeoutError, Processimport timeimport osdef proc_pool(name):    print("asd")    for i in range(5):print(str(i)+' : %s')    #return "返回的結果值","有兩個會怎樣?"  不要返回一個以上的值,會導致map調用產生歧義(使用map(func,[1,2])時會返回[傳回值1,傳回值2]而不是[(傳回值1,傳回值2),(傳回值1,傳回值2)]) 當需要返回兩個值要顯式的返回一個元組    #return ("返回的結果值","第二個值")    return "傳回值"def proc_err(name):    raise Exceptiondef proc_mm(name):    print('該函數被調用了%s%s'%(name,type(name)))    return nameif __name__ == '__main__':    print("開始啟動線程池")    p = Pool(4)    for i in range(5):p.apply_async(proc_pool, args=('cc',))    #p.map(proc_pool,['cc','dd'])    def callback(name):print("回呼函數%s")    def err_callback(err):try:    print("yc")except Exception as e:    print('發生異常')finally:    print("ww")    mapr = p.map_async(proc_err, 'ee', 3, callback, err_callback)    #mapr.get() 獲得可調用對象的傳回值    #print("返回的結果值%s"%mapr.get())    #mmap = p.starmap(proc_mm,[('abcd'),('a')])    mmap = p.starmap(proc_mm,((('abc',),),))    mmaps = p.starmap_async(proc_mm,((('abc',),),))    list(mmap)    print(mmaps.get())    p.close()    p.join()
1.5 資源共用 1.5.1 使用Array,Value作為儲存空間來儲存需要共用的資源

Value(typecodeortype, *args, lock=True) Array(typecodeortype, sizeorinitializer, *, lock=True)

  1. Array,Value的共通之處

    在建立儲存空間時,在lock的參數選取上,預設情況是自己建立一個資源鎖但是也可以選擇使用一個已經存在的鎖,當lock被傳入一個已存在的鎖時受該鎖影響當設定為False時,資源不被鎖保護,導致線程不安全

    tyoecodeortype 都是array模組使用的類型代碼array 表示基本類型的數組,有:字元,整數,浮點數

  2. 區別

    Array儲存一個隊列,Value儲存一個值Array的sizeofinitializer就是儲存的數組,同時該數組的長度也是Array的長度

1.5.2 執行個體
"""進程共用內容使用Value,Array使內容共用"""from multiprocessing import Process, Value, Array, Lockdef f(n, a):    n.value = 3.1415927    for i in range(len(a)):a[i] = -a[i]def fun(l, strr):    # 獲得鎖,當被鎖住,等待最多3秒,繼續執行    l.acquire(True,3)    try:print(num.value)print(strr.value)print(chr(strr.value))    except Exception as ex:print(ex)    finally:print('完成')if __name__ == '__main__':    l = Lock()    num = Value('d', 0.0)    arr = Array('i', range(10))    lisi = [1,2,3]    arrs = Array('i',lisi)    # 因為python中沒有char類型,所以在這裡只能轉換為數字,最後在轉回來    strr = Value('b',ord('c'))    p = Process(target=f, args=(num, arrs))    pl = Process(target=fun, args=(l,strr))    # 上鎖    l.acquire()    p.start()    p.join()    pl.start()    pl.join()    print(num.value)    print(arrs[:])
1.5.3 使用服務進程server process 
  1. 使用Manager()會返回一個管理對象

    該管理對象支援的類型更廣泛,有:list, dict, Namespace, Lock, RLock,Semaphore, BoundedSemaphore, Condition,Event, Barrier, Queue, Value, Array

    該類實現了上下文管理

  2. Manager的兩個子類,Manager()返回的就是SyncManager
    1. BaseManager([adress[,authkey]])

      adress是管理器進程偵聽新連結的地址,None為隨機選一個authkey是認證密匙,None為使用currentprocess().authkey,否則使用authkey,必須為字串currentprocess() 返回當前Process對象authkey進程的認證密鑰(位元組字串)當初始化multiprocessing時,使用os.urandom()為主進程分配一個隨機字串當建立Process對象時,它將繼承其父進程的認證密鑰但可以通過將authkey設定為另一個位元組字串來更改。

      1. start([initializer[,initargs]])

        啟動子過程以啟動管理器

      2. getserver()

        返回Server對象,他表示在manger控制下的實際伺服器

      3. connect()

        本地管理器對象連結到遠端管理器進程

      4. shutdown()

        停止manager進程,僅當啟動使用start()時可用

      5. register(typeid[, callable[, proxytype[, exposed[, methodtotypeid[, createmethod]]]]])

        向Manager註冊類型或可調用的類方法

        typeid 用於標識特定類型的共用對象的類型標識符,必須是字串callable 用於typeid類型的可調用選項,proxytype 是BaseProxy的子類,用於建立typeid的共用對象代理,None,自動建立exposed 用於指定代理類型所使用的方法methodtotypeid 返回代理類型的公開方法createmethod 確定是否使用typeid建立方法,預設為True

    2. SyncManager

      BaseManager 主要用來建立自訂的Manager

      1. Queue([maxsize]) 建立queue.Queue對象返回其代理

        在進程通訊中展示了部分Queue隊列的使用方法

      2. Array(typecode,sequence) 建立一個數組並返回其代理

        在進程共用中展示了部分Array的用法

      3. Value(typecode,value) 建立一個值並返回其代理

        在進程共用中展示了部分Value的用法

      4. dict([dict]) 建立一個dict,並返回其代理
      5. list([list]) 建立一個list,並返回其代理
      6. Lock() 建立一個threading.Lock對象並返回其代理
    3. 執行個體
      from multiprocessing import Process, Managerdef f(d, l, q, a, v, lo):    d[1] = '1'    d['2'] = 2    d[0.25] = None    q.put(100)    lo.acquire(True,3)    for i in range(len(a)):a[i]=1    v,value = 100    l.reverse()if __name__ == '__main__':    with Manager() as manager:d = manager.dict()l = manager.list(range(10))q = manager.Queue(10)a = manager.Array('i',[1,2,3])v = manager.Value('i',3)lo = manager.Lock()lo.acquire(True)p = Process(target=f, args=(d, l, q, a, v, lo))p.start()p.join()print(d)print(l)print("********")print(q.get())print(a[:])print(v.value)

Author: vz liū

Created: 2017-04-08 Sat 22:27

Emacs 25.1.1 (Org mode 8.2.10)

Validate

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.