python-多進程

標籤：python

進程是由系統自己管理的。

1：最基本的寫法

from multiprocessing import Pooldef f(x):    return x*xif __name__ == ‘__main__‘:    p = Pool(5)    print(p.map(f, [1, 2, 3]))

[1, 4, 9]

2、實際上是通過os.fork的方法產生進程的

unix中，所有進程都是通過fork的方法產生的。

multiprocessing Processosinfo(title):    title    , __name__    (os, ):  , os.getppid()    , os.getpid()f(name):    info()    , name__name__ == :    info()    p = Process(=f, =(,))    p.start()    p.join()

3、線程共用記憶體

threadingrun(info_list,n):    info_list.append(n)    info_list__name__ == :    info=[]    i ():        p=threading.Thread(=run,=[info,i])        p.start()

[0][0, 1][0, 1, 2][0, 1, 2, 3][0, 1, 2, 3, 4][0, 1, 2, 3, 4, 5][0, 1, 2, 3, 4, 5, 6][0, 1, 2, 3, 4, 5, 6, 7][0, 1, 2, 3, 4, 5, 6, 7, 8][0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

進程不共用記憶體：

multiprocessing Processrun(info_list,n):    info_list.append(n)    info_list__name__ == :    info=[]    i ():        p=Process(=run,=[info,i])        p.start()

[1][2][3][0][4][5][6][7][8][9]

若想共用記憶體，需使用multiprocessing模組中的Queue

multiprocessing Process, Queuef(q,n):    q.put([n,])__name__ == :    q=Queue()    i ():        p=Process(=f,=(q,i))        p.start()    :        q.get()

4、鎖:僅是對於螢幕的共用，因為進程是獨立的，所以對於多進程沒有用

multiprocessing Process, Lockf(l, i):    l.acquire()    , i    l.release()__name__ == :    lock = Lock()    num ():        Process(=f, =(lock, num)).start()

hello world 0hello world 1hello world 2hello world 3hello world 4hello world 5hello world 6hello world 7hello world 8hello world 9

5、進程間記憶體共用：Value，Array

multiprocessing Process, Value, Arrayf(n, a):    n.value = i ((a)):        a[i] = -a[i]__name__ == :    num = Value(, )    arr = Array(, ())    num.value    arr[:]    p = Process(=f, =(num, arr))    p.start()    p.join()

0.0[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]3.1415927[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]

#manager共用方法，但速度慢

multiprocessing Process, Managerf(d, l):    d[] = d[] = d[] = l.reverse()__name__ == :    manager = Manager()    d = manager.dict()    l = manager.list(())    p = Process(=f, =(d, l))    p.start()    p.join()    d    l

# print ‘-------------‘這裡只是另一種寫法# print pool.map(f,range(10))

{0.25: None, 1: ‘1‘, ‘2‘: 2}[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

#非同步：這種寫法用的不多

multiprocessing Pooltimef(x):    x*x    time.sleep()    x*x__name__ == :    pool=Pool(=)    res_list=[]    i ():        res=pool.apply_async(f,[i])   res_list.append(res)    r res_list:        r.get(timeout=10) #逾時時間

01491625360149464981162536496481

同步的就是apply

本文出自 “行者” 部落格，請務必保留此出處http://223228686.blog.51cto.com/2222284/1869862

python-多進程