首页 > 代码库 > Python:进程
Python:进程
多任务实现的3种方式:
多进程模式
多线程模式
多进程+多线程模式
线程是最小的执行单元,而进程由至少一个线程组成。
多进程(multiprocessing)
Unix/linux用fork()函数,调用一次返回两个值,子进程永远返回0,夫进程返回子进程的ID。
子进程调用getppid()函数就可以拿到夫进程的ID。
Unix/Linux创建子进程
import os print("Process(%s) start..." %os.getpip()) pid = os.fork() #windows上没有fork调用 if pid == 0: print("I am child process (%s) and my parent is %s" %(os.getpid(), os.getppid())) else: print("I (%s) just created a child process (%s)" %(os.getpid(),pid))
multiprocessing:跨平台多进程
multiprocessing模块提供了Process类来代表一个进程对象
from multiprocessing import Process import os def run_proc(name): print("Run child process %s(%s)" %(name, os.getpid())) if __name__ == "__main__": print("Parent process %s." %os.getpid()) p = Process(target=run_proc, args=(‘test‘,)) #创建子进程,传入一个执行函数和执行函数的参数 print("Child process will start.") p.start() #启动子进程 p.join() #等待子进程结束再继续往下运行,用于进程间的同步 print("Child process end.")
执行结果:
Parent process 928. Process will start. Run child process test (929)... Process end.
Pool:进程池,批量创建子进程
from multiprocessing import Pool import os, time, random def long_time_task(name): print("Run task %s(%s)..." %(name, os.getpid())) start = time.time() time.sleep(random.random()*3) end = time.time() print("Task %s runs %0.2f seconds." %(name, (end-start))) if __name__ == "__main__": print("Parent process %s." %os.getpid()) p = Pool(4) for i in range(5): p.apply_async(long_time_task, args=(i, )) print("Waiting for all subprocess done...") p.close() p.join() print("All subprocess done.")
执行结果:
Parent process 4756. Waiting for all subprocess done... Run task 0(3920)... Run task 1(1688)... Run task 2(2996)... Run task 3(3132)... Task 1 runs 0.32 seconds. Run task 4(1688)... Task 2 runs 0.61 seconds. Task 3 runs 1.41 seconds. Task 4 runs 2.26 seconds. Task 0 runs 2.89 seconds. All subprocess done.
分析:
对Pool
对象调用join()
方法会等待所有子进程执行完毕,调用join()
之前必须先调用close()
,调用close()
之后就不能继续添加新的Process
了。
请注意输出的结果,task 0
,1
,2
,3
是立刻执行的,而task 4
要等待前面某个task完成后才执行,这是因为Pool
的默认大小在我的电脑上是4,因此,最多同时执行4个进程。这是Pool
有意设计的限制,并不是操作系统的限制
子进程(subprocess)
subprocess
模块可以让我们非常方便地启动一个子进程,然后控制其输入和输出
import subprocess #下面的例子演示了如何在Python代码中运行命令nslookup www.python.org,这和命令行直接运行的效果是一样的: print("$ nslookup www.python.rog") r = subprocess.call(["nslookup", "www.python.org"]) print("Exit code:", r)
运行结果:
$ nslookup www.python.org Server: 192.168.19.4 Address: 192.168.19.4#53 Non-authoritative answer: www.python.org canonical name = python.map.fastly.net. Name: python.map.fastly.net Address: 199.27.79.223 Exit code: 0
如果子进程还需要输入,则可通过communicate()方法输入:
import subprocess print(‘$ nslookup‘) p = subprocess.Popen([‘nslookup‘], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE) output, err = p.communicate(b‘set q=mx\npython.org\nexit\n‘) print(output.decode(‘utf-8‘)) print(‘Exit code:‘, p.returncode)
进程间通信
Process
之间肯定是需要通信的,操作系统提供了很多机制来实现进程间的通信。Python的multiprocessing
模块包装了底层的机制,提供了Queue
、Pipes
等多种方式来交换数据
以Queue
为例,在父进程中创建两个子进程,一个往Queue
里写数据,一个从Queue
里读数据:
from multiprocessing import Process, Queue import os, time, random # 写数据进程执行的代码: def write(q): print(‘Process to write: %s‘ % os.getpid()) for value in [‘A‘, ‘B‘, ‘C‘]: print(‘Put %s to queue...‘ % value) q.put(value) time.sleep(random.random()) # 读数据进程执行的代码: def read(q): print(‘Process to read: %s‘ % os.getpid()) while True: value = q.get(True) print(‘Get %s from queue.‘ % value) if __name__==‘__main__‘: # 父进程创建Queue,并传给各个子进程: q = Queue() pw = Process(target=write, args=(q,)) pr = Process(target=read, args=(q,)) # 启动子进程pw,写入: pw.start() # 启动子进程pr,读取: pr.start() # 等待pw结束: pw.join() # pr进程里是死循环,无法等待其结束,只能强行终止: pr.terminate()
执行结果:
Process to write: 3872 Put A to queue... Process to read: 4756 Get A from queue. Put B to queue... Get B from queue. Put C to queue... Get C from queue.
Python:进程
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。