首页 > 代码库 > python学习笔记-（十四）进程&协程

python学习笔记-（十四）进程&协程

2024-08-16 14:14:20   227人阅读

一. 进程

1. 多进程multiprocessing

multiprocessing包是Python中的多进程管理包，是一个跨平台版本的多进程模块。与threading.Thread类似，它可以利用multiprocessing.Process对象来创建一个进程。该进程可以运行在Python程序内部编写的函数。该Process对象与Thread对象的用法类似。

创建一个Process实例，可用start()方法启动。

join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。

from multiprocessing import Processimport timedef f(name):    time.sleep(2)    print(‘hello‘, name) if __name__ == ‘__main__‘:    p = Process(target=f, args=(‘bob‘,))    p.start()    p.join()

写个程序，对比下主进程和子进程的ID：

from multiprocessing import Processimport osdef info(title):    print(title)    print(‘进程名称:‘, __name__)    print(‘父进程ID:‘, os.getppid())    print(‘子进程ID:‘, os.getpid())    print("\n\n")def f(name):    info(‘\033[31;1mcalled from child process function f\033[0m‘)    print(‘hello‘, name)if __name__ == ‘__main__‘:    info(‘\033[32;1mmain process line\033[0m‘)    p = Process(target=f, args=(‘bob‘,))    p.start()

2. 进程间通信

不同进程间内存是不共享的，要想实现两个进程间的数据交换，可以使用Queue、Pipe、Manager，其中：

1）Queue  \ Pipe 只是实现进程间数据的传递；

2）Manager 实现了进程间数据的共享，即多个进程可以修改同一份数据；

2.1 Queue

Queue允许多个进程放入，多个进程从队列取出对象，先进先出。（使用方法跟threading里的queue差不多）

from multiprocessing import Process,Queuedef f(qq):    qq.put([42,None,"hello"])    qq.put([43,None,"HI"])if __name__ == ‘__main__‘:    q = Queue()    p = Process(target=f,args=(q,))    p.start()    print(q.get())    print(q.get())    p.join()

2.2 Pipe

Pipe也是先进先出

from multiprocessing import Process, Pipedef f(conn):    conn.send([42, None, ‘儿子发送的消息‘])    conn.send([42, None, ‘儿子又发消息啦‘])    print("接收父亲的消息:",conn.recv())    conn.close()if __name__ == ‘__main__‘:    parent_conn, child_conn = Pipe()    p = Process(target=f, args=(child_conn,))    p.start()    print(parent_conn.recv())  # prints "[42, None, ‘hello‘]"    print(parent_conn.recv())  # prints "[42, None, ‘hello‘]"    parent_conn.send("回家吃饭！") # prints "[42, None, ‘hello‘]"    p.join()

2.3 Manager

Manager对象类似于服务器与客户之间的通信 (server-client)，与我们在Internet上的活动很类似。我们用一个进程作为服务器，建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager，建立连接后，操作服务器上的资源。在防火墙允许的情况下，我们完全可以将Manager运用于多计算机，从而模仿了一个真实的网络情境。

from multiprocessing import Process,Managerimport  osdef f(d,l):    d[os.getpid()] = os.getpid()    l.append(os.getpid())    print(l)if __name__ == "__main__":    with Manager() as manager:        d = manager.dict()#生成一个字典，可在多个进程间共享和传递        l = manager.list(range(5))#生成一个列表，可在多个进程间实现共享和传递        p_list = []        for i in range(10):            p = Process(target=f,args=(d,l))            p.start()            p_list.append(p)        for res in p_list:#等待结果            res.join()

3. 进程池

进程池 (Process Pool)可以创建多个进程。这些进程就像是随时待命的士兵，准备执行任务(程序)。一个进程池中可以容纳多个待命的士兵。

进程池有两种方法：

1）串行：apply

2）并行：apply_async

from multiprocessing import Process,Poolimport timeimport osdef Foo(i):    time.sleep(2)    print("in process",os.getpid())    return i+100def Bar(arg):    ‘‘‘回调函数‘‘‘    print("-->>exec done:",arg,os.getpid())if __name__ == "__main__":    pool = Pool(processes=3)#允许进程池同时放入3个进程    print("主进程",os.getpid())    for i in range(10):        pool.apply_async(func=Foo,args=(i,),callback=Bar)    print(‘end‘)    pool.close()    pool.join()#进程池中进程执行完毕后在关闭；如果注释则程序直接关闭

使用回调函数的目的是：在父进程中执行可以提高效率；（比如连接数据库，写回调函数的话，父进程连接一次数据库即可；如果使用子进程，则需要连接多次）

4. 其他(lock)

lock：屏幕上打印的锁，防止打印显示混乱

from multiprocessing import Process, Lockdef f(l, i):    #上锁    l.acquire()    try:        print(‘hello world‘, i)    finally:        #解锁        l.release()#因为屏幕是共享的，定义锁的目的是打印的信息不换乱，而不是顺序不会乱if __name__ == ‘__main__‘:    #定义锁    lock = Lock()    for num in range(10):        Process(target=f, args=(lock, num)).start()

二. 协程

协程，又称微线程，纤程。英文名Coroutine。

协程拥有自己的寄存器上下文和栈。协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

好处：

  • 无需线程上下文切换的开销
  • 无需原子操作锁定及同步的开销
  • 方便切换控制流，简化编程模型
  • 高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

  • 无法利用多核资源：协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
  • 进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

1.实例

传统的生产者-消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待，但一不小心就可能死锁。

如果改用协程，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高。

代码示例：

def consumer():    r = ‘‘    while True:        n = yield r        if not n:            return        print(‘[消费者] Consuming %s...‘ % n)        r = ‘200 OK‘def produce(c):    c.send(None)    n = 0    while n < 5:        n = n + 1        print(‘[生产者] Producing %s...‘ % n)        r = c.send(n)        print(‘[生产者] 消费者返回状态码: %s‘ % r)    c.close()c = consumer()produce(c)

输出结果：

[生产者] Producing 1...[消费者] Consuming 1...[生产者] 消费者返回状态码: 200 OK[生产者] Producing 2...[消费者] Consuming 2...[生产者] 消费者返回状态码: 200 OK[生产者] Producing 3...[消费者] Consuming 3...[生产者] 消费者返回状态码: 200 OK[生产者] Producing 4...[消费者] Consuming 4...[生产者] 消费者返回状态码: 200 OK[生产者] Producing 5...[消费者] Consuming 5...[生产者] 消费者返回状态码: 200 OK

注意到consumer函数是一个generator，把一个consumer传入produce后：

  1. 首先调用c.send(None)启动生成器；
  2. 然后，一旦生产了东西，通过c.send(n)切换到consumer执行；
  3. consumer通过yield拿到消息，处理，又通过yield把结果传回；
  4. produce拿到consumer处理的结果，继续生产下一条消息；
  5. produce决定不生产了，通过c.close()关闭consumer，整个过程结束。

整个流程无锁，由一个线程执行，生产者和消费者协作完成任务，所以称为“协程”，而非线程的抢占式多任务。（原理：遇到I/O操作就切换，只剩下CPU操作（CPU操作非常快））

一句话总结协程的特点：子程序就是协程的一种特例。

 

python中支持协程的有以下两个模块：greenlet和greent

2. Greenlet

greenlet封装好的协程,利用.swith对协程操作进行手动切换

from greenlet import  greenletdef test1():    print(12)    gr3.switch()    print(34)    gr2.switch()    print(78)def test2():    print(56)    gr1.switch()def test3():    print(90)    gr1.switch()gr1 = greenlet(test1)#启动协程gr2 = greenlet(test2)gr3 = greenlet(test3)gr1.switch()

3. Greent

Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是Greenlet, 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。

import geventdef foo():    print("运行foo")    gevent.sleep(2)    print("再次回到foo")def bar():    print("这里是bar")    gevent.sleep(1)    print("又回到了bar")def func3():    print("运行func3")    gevent.sleep(0)    print("再次运行func3")gevent.joinall([    gevent.spawn(foo),    gevent.spawn(bar),    gevent.spawn(func3)])

同步与异步的性能区别：

1）同步：

from gevent import monkey;# monkey.patch_all()import geventfrom  urllib.request import urlopenimport timedef f(url):    print(‘GET: %s‘ % url)    resp = urlopen(url)    data = http://www.mamicode.com/resp.read()"同步cost",time.time() - time_start)

2）异步：

from gevent import monkey;# monkey.patch_all()import geventfrom  urllib.request import urlopenimport timedef f(url):    print(‘GET: %s‘ % url)    resp = urlopen(url)    data = http://www.mamicode.com/resp.read()"异步cost",time.time()-async_time_start )

结论：同步开销时间为4秒，异步开销为2.5秒，大大节省了开销，这就是协程的魅力；monkey.patch_all()使gevent能识别到urllib中的I/O操作

 

使用gevent实现单线程下的多socket并发：

技术分享
import sysimport socketimport timeimport gevent from gevent import socket,monkeymonkey.patch_all()  def server(port):    s = socket.socket()    s.bind((‘0.0.0.0‘, port))    s.listen(500)    while True:        cli, addr = s.accept()        gevent.spawn(handle_request, cli)   def handle_request(conn):    try:        while True:            data = conn.recv(1024)            print("recv:", data)            conn.send(data)            if not data:                conn.shutdown(socket.SHUT_WR)     except Exception as  ex:        print(ex)    finally:        conn.close()if __name__ == ‘__main__‘:    server(8001)
server端
技术分享
import socket HOST = ‘localhost‘    # The remote hostPORT = 8001           # The same port as used by the servers = socket.socket(socket.AF_INET, socket.SOCK_STREAM)s.connect((HOST, PORT))while True:    msg = bytes(input(">>:"),encoding="utf8")    s.sendall(msg)    data = s.recv(1024)    #print(data)     print(‘Received‘, repr(data))s.close()
client端

python学习笔记-（十四）进程&协程


联系
我们