2018-05-20

python多进程

进程简介

进程是程序在计算机上的一次执行活动。当你运行一个程序，你就启动了一个进程。显然，程序是死的(静态的)，进程是活的(动态的)。进程可以分为系统进程和用户进程。凡是用于完成操作系统的各种功能的进程就是系统进程，它们就是处于运行状态下的操作系统本身；用户进程就不必我多讲了吧，所有由你启动的进程都是用户进程。进程是操作系统进行资源分配的单位。
在操作系统的管理下，所有正在运行的进程轮流使用CPU，每个进程允许占用CPU的时间非常短(比如10毫秒)，这样用户根本感觉不出来CPU是在轮流为多个进程服务，就好象所有的进程都在不间断地运行一样。但实际上在任何一个时间内有且仅有一个进程占有CPU。

进程和线程

进程(process)和线程(thread)
单个CPU一次只能运行一个任务；在任一时刻，CPU总是运行一个进程，其他进程处于非运行状态；
一个进程可以包含多个线程；
进程没有任何共享状态，进程修改的数据，改动仅限于该进程内；
一个进程的内存空间是共享的，每个线程都可以使用这些共享内存；
一个线程使用某些共享内存时，其他线程必须等它结束才能使用这一块内存；防止多个线程同时读写某一块内存区域，采用互斥锁(Mutual exclusion，缩写Mutex)；
某些内存区域只能供给固定数目的线程使用，此时通过信号量(Semaphore)保证多个线程不会互相冲突；
多进程形式，运行多个任务同时运行；多线程形式，允许单个任务分成不同的部分运行；
多线程使用的是cpu的一个核，适合io密集型；
多进程使用的是cpu的多个核，适合运算密集型。
在linux中可以使用ps -efL查看进程和线程ID。以memcached进程为例，输出结果如下

[root@VM_0_4_centos ~]# ps -efL |grep memcached
root     24421     1 24421  0   10 May19 ?        00:00:03 memcached -d -u root
root     24421     1 24422  0   10 May19 ?        00:00:01 memcached -d -u root
root     24421     1 24423  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24424  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24425  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24426  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24427  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24428  0   10 May19 ?        00:00:00 memcached -d -u root
root     24421     1 24429  0   10 May19 ?        00:00:09 memcached -d -u root
root     24421     1 24430  0   10 May19 ?        00:00:00 memcached -d -u root
root     32169 31101 32169  0    1 23:23 pts/0    00:00:00 grep --color=auto memcached

第一行UID(用户ID)，第二行为PID(进程ID)，第三行PPID(父进程ID)，第四行LWP(线程ID)。
从示例可以看出，进程24421子进程有10个，对应线程ID分别为24421-24430。

multiprocess

python中的多线程无法利用多核优势，若要充分使用多核CPU资源，在python中大部分情况使用多进程。python提供了非常好用的多进程包multiprocessing。
multiprocessing模块用来开启子进程，并在子进程中执行我们定制的任务（比如函数），该模块与多线程模块threading的编程接口类似。
multiprocessing模块的功能众多：支持子进程、通信和共享数据、执行不同形式的同步，提供了Process、Queue、Pipe、Lock等组件。

Process类

创建一个Process对象

1	p = multiprocessing.Process(target=worker_1, args=(2, ))

参数
target：函数名字
args：函数需要的参数，以tuple的形式传入(单个元素的tuple必须有逗号)
方法
p.is_alive() 判断进程p是否存活，是返回True
p.run() 启动进程，它去调用target指定的函数
p.start() 启动进程，它会自动调用run方法，推荐使用start
p.join(timeout) 主线程等待p终止(主线程处于等的状态，p处于运行状态)。p.join只能join使用start开启的进程，不能join使用run开启的进程
p.terminate() 强制进程p退出，不会进行任何清理操作，如果p创建了子进程，该子进程就变成了僵尸进程

属性
p.name 进程的名字
p.pid 进程的pid
p.daemon 默认为False，如果设置为True代表p为后台运行的守护进程，当p的父进程终止时p也随之终止，并且设置为True后，p不能创建自己的新进程，必须在p.start()之前设置

import multiprocessing
import time

def worker(args, interval):
    print("start worker {0}".format(args))
    time.sleep(interval)
    print("end worker {0}".format(args))

def main():
    print("start main")
    p1 = multiprocessing.Process(target=worker, args=(1, 1))
    p2 = multiprocessing.Process(target=worker, args=(2, 2))
    p3 = multiprocessing.Process(target=worker, args=(3, 3))
    p1.start()
    p2.start()
    p3.start()
    print("end main")

if __name__ == '__main__':
    main()

输出结果

start main
end main
start worker 1
start worker 2
start worker 3
end worker 1
end worker 2
end worker 3

multprocessing用到的两个方法
cpu_count()：统计cpu总数
active_children()：获得所有子进程

import multiprocessing
import time

def worker(args, interval):
    print("start worker {0}".format(args))
    time.sleep(interval)
    print("end worker {0}".format(args))

def main():
    print("start main")
    p1 = multiprocessing.Process(target=worker, args=(1, 1))
    p2 = multiprocessing.Process(target=worker, args=(2, 2))
    p3 = multiprocessing.Process(target=worker, args=(3, 3))
    p1.start()
    p1.join(timeout=0.5)    #此处保证了p1优先执行
    p2.start()
    p3.start()
    print("the number of CPU is: {0}".format(multiprocessing.cpu_count()))
    for p in multiprocessing.active_children():
       print("The name of active children is: {0}, pid is: {1} is alive".format(p.name, p.pid))
    print("end main")

if __name__ == '__main__':
    main()

输出结果

start main
start worker 1
the number of CPU is: 4
The name of active children is: Process-1, pid is: 25360 is alive
The name of active children is: Process-2, pid is: 24500 is alive
The name of active children is: Process-3, pid is: 26100 is alive
end main
start worker 3
start worker 2
end worker 1
end worker 2
end worker 3

lock组件

当我们用多进程来读写文件的时候，如果一个进程是写文件，一个进程是读文件，如果两个文件同时进行，肯定是不行的，必须是文件写结束以后，才可以进行读操作。或者是多个进程在共享一些资源的时候，同时只能有一个进程进行访问，那就要有一个锁机制进行控制。
下面使用2个进程分别进行+1和+3操作为例

不加锁

import time
import multiprocessing

def add(value, number):
    print("start add{0} number= {1}".format(value, number))
    for i in range(1, 3):
        number += value
        time.sleep(0.3)
        print("number = {0}".format(number))


if __name__ == '__main__':
    print("start main")
    number = 0
    p1 = multiprocessing.Process(target=add, args=(1, number))
    p3 = multiprocessing.Process(target=add, args=(3, number))
    p1.start()
    p3.start()
    print("end main")

输出结果

start main
end main
start add1 number= 0
start add3 number= 0
number = 1
number = 3
number = 2
number = 6

加锁

import time
import multiprocessing

def add(lock, value, number):
    with lock:
        print("start add{0} number= {1}".format(value, number))
        for i in range(1, 3):
            number += value
            time.sleep(0.3)
            print("number = {0}".format(number))


if __name__ == '__main__':
    print("start main")
    number = 0
    lock = multiprocessing.Lock()
    p1 = multiprocessing.Process(target=add, args=(lock, 1, number))
    p3 = multiprocessing.Process(target=add, args=(lock, 3, number))
    p1.start()
    p3.start()
    print("end main")

输出结果

start main
end main
start add1 number= 0
number = 1
number = 2
start add3 number= 0
number = 3
number = 6

锁的获取可以使用lock.acquire()获取，lock.release()释放

def add(lock, value, number):
    lock.acquire()
    print("start add3 number= {0}".format(number))
    try:
        for i in range(1, 5):
            number += value
            time.sleep(0.3)
            print("number = {0}".format(number))
    except Exception as e:
        raise e
    finally:
        lock.release()
        pass

共享内存

一般变量在进程之间是没法进行通讯的，但是multiprocessing提供了Value和Array模块，可以在不同的进程中使用同一变量。Value和Array结构内部都实现了锁机制，因此多进程是安全的。
Value和Array都需要设置其中存放值的类型，d是double类型，i是int类型。类型设置和array模块的值类似，更多的类型可以点击array — Efficient arrays of numeric values查看。
上面的示例中，两个进程执行后number结果分别为2和6，假如两个进程可以共享变量，name输出结果将会是8。

Value

import multiprocessing
from multiprocessing import Value

def add(value, number):
    print("start add{0} number= {1}".format(value, number.value))
    for i in range(1, 3):
        number.value += value
        print("number = {0}".format(number.value))


if __name__ == '__main__':
    print("start main")
    number = Value('d', 0)    #使用Value创建变量,d表示数据类型为double
    p1 = multiprocessing.Process(target=add, args=(1, number))
    p3 = multiprocessing.Process(target=add, args=(3, number))
    p1.start()
    p3.start()
    print("end main")

输出结果

start main
end main
start add1 number= 0.0
start add3 number= 0.0
number = 1.0
number = 4.0
number = 5.0
number = 8.0

number最终结果是8，但是具体输出结果每次执行可能存在差异。

Array

from multiprocessing import Array, Process

def worker(arr):
    for i in range(len(arr)):
        arr[i] = -arr[i]

if __name__ == '__main__':
    arr = Array('i', [x for x in range(6)])    #定义Array类型变量,i表示数据类型为int
    print(arr[:])
    p = Process(target=worker, args=(arr,))
    p.start()
    p.join()    #等待子进程执行完成
    print(arr[:])

输出结果

1 2	[0, 1, 2, 3, 4, 5] [0, -1, -2, -3, -4, -5]

Manager

共享内存的实现，除了使用Value和Array，还可以使用Manager实现。
Manager()返回的manager对象通过一个服务进程，让其他进程通过代理的方式从挨揍python对象。manager对象支持list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array。

from multiprocessing import Manager, Process

def f(d, l):
    d[1] = '1'
    d[2] = '2'
    d[0.25] = None
    l.reverse()

if __name__ == '__main__':
    manager = Manager()
    d = manager.dict()
    l = manager.list(range(10))

    p = Process(target=f, args=(d, l))
    p.start()
    p.join()

    print(d)
    print(l)

输出结果

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

Pool

Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程。
进程池提供阻塞和非阻塞两种方法
Pool.apply_async 非阻塞，定义的进程池进程最大数可以同时执行
Pool.apply 一个进程结束，释放回进程池，下一个进程才可以开始

使用Pool.apply

import time
import multiprocessing

def fun(msg):
    print("_start {0}".format(msg))
    time.sleep(3)
    print("_end {0}".format(msg))

if __name__ == '__main__':
    print("start main")
    pool = multiprocessing.Pool(processes=2)
    for i in range(1, 3):
        msg = "hello {0}".format(i)
        pool.apply(fun, (msg,))
    pool.close()#在调用join之前，要先调用close，否则会报错，close执行完不会有新的进程加入到pool
    pool.join()#join 是等待所有的子进程结束
    print("end main")

输出结果

start main
_start hello 1
_end hello 1
_start hello 2
_end hello 2
end main

输出结果为按顺序，一个进程结束再进行下一个

使用Pool.apply_async

import time

import multiprocessing


def fun(msg):
    print("_start {0}".format(msg))
    time.sleep(3)
    print("_end {0}".format(msg))


if __name__ == '__main__':
    print("start main")
    pool = multiprocessing.Pool(processes=2)
    for i in range(1, 3):
        msg = "hello {0}".format(i)
        pool.apply_async(fun, (msg,))
    pool.close()
    pool.join()
    print("end main")

输出结果

start main
_start hello 1
_start hello 2
_end hello 1
_end hello 2
end main

此时两个进程可以同时执行。
更多关于multiprocessing的内容可以点击multiprocessing — Process-based parallelism查看官方介绍。

持续不断

要松懈的时候再坚持一下

python多进程

进程简介

进程和线程

multiprocess

Process类

lock组件

共享内存

Manager

Pool

Recommended Posts