python基础之并发编程(二)
作者：宠乖仪
一、多进程的实现
方法一
# 方法包装 多进程
from multiprocessing import Process
from time import sleep
def func1(arg):
print(f'{arg}开始...')
sleep(2)
print(f'{arg}结束...')
if __name__ == "__main__":
p1 = Process(target=func1,args=('p1',))
p2 = Process(target=func1,args=('p2',))
p1.start()
p2.start()
方法二：
二、使用进程的优缺点
1、优点
- 可以使用计算机多核，进行任务的并发执行，提高执行效率
- 运行不受其他进程影响，创建方便
- 空间独立，数据安全
2、缺点
- 进程的创建和删除消耗的系统资源较多
三、进程的通信
Python 提供了多种实现进程间通信的机制，主要有以下 2 种：
1. Python multiprocessing 模块下的 Queue 类，提供了多个进程之间实现通信的诸多 方法
2. Pipe，又被称为“管道”，常用于实现 2 个进程之间的通信，这 2 个进程分别位于管 道的两端
Pipe 直译过来的意思是“管”或“管道”，该种实现多进程编程的方式，和实际生活中 的管（管道）是非常类似的。通常情况下，管道有 2 个口，而 Pipe 也常用来实现 2 个进程之 间的通信，这 2 个进程分别位于管道的两端，一端用来发送数据，另一端用来接收数据 - send(obj)
发送一个 obj 给管道的另一端，另一端使用 recv() 方法接收。需要说明的是，该 obj 必 须是可序列化的，如果该对象序列化之后超过 32MB，则很可能会引发 ValueError 异常 - recv()
接收另一端通过 send() 方法发送过来的数据 - close()
关闭连接 - poll([timeout])
返回连接中是否还有数据可以读取 - end_bytes(buffer[, offset[, size]])
发送字节数据。如果没有指定 offset、size 参数，则默认发送 buffer 字节串的全部数 据；如果指定了 offset 和 size 参数，则只发送 buffer 字节串中从 offset 开始、长度为 size 的字节数据。通过该方法发送的数据，应该使用 recv_bytes() 或 recv_bytes_into 方法接收 - recv_bytes([maxlength])
接收通过 send_bytes() 方法发送的数据，maxlength 指定最多接收的字节数。该方法返 回接收到的字节数据 - recv_bytes_into(buffer[, offset])
功能与 recv_bytes() 方法类似，只是该方法将接收到的数据放在 buffer 中
1、Queue 实现进程间通信
from multiprocessing import Process,current_process,Queue # current_process 指的是当前进程
# from queue import Queue
import os
def func(name,mq):
print('进程ID {} 获取了数据：{}'.format(os.getpid(),mq.get()))
mq.put('shiyi')
if __name__ == "__main__":
# print('进程ID:{}'.format(current_process().pid))
# print('进程ID:{}'.format(os.getpid()))
mq = Queue()
mq.put('yangyang')
p1 = Process(target=func,args=('p1',mq))
p1.start()
p1.join()
print(mq.get())
2、Pipe 实现进程间通信（一边发送send(obj),一边接收(obj)）
from multiprocessing import Process,current_process,Pipe
import os
def func(name,con):
print('进程ID {} 获取了数据：{}'.format(os.getpid(),con.recv()))
con.send('你好！')
if __name__ == "__main__":
# print('进程ID:{}'.format(current_process().pid))
con1,con2 = Pipe()
p1 = Process(target=func,args=('p1',con1))
p1.start()
con2.send("hello!")
p1.join()
print(con2.recv())
四、Manager管理器
管理器提供了一种创建共享数据的方法，从而可以在不同进程中共享
from multiprocessing import Process,current_process
import os
from multiprocessing import Manager
def func(name,m_list,m_dict):
print('子进程ID {} 获取了数据：{}'.format(os.getpid(),m_list))
print('子进程ID {} 获取了数据：{}'.format(os.getpid(),m_dict))
m_list.append('你好')
m_dict['name'] = 'shiyi'
if __name__ == "__main__":
print('主进程ID:{}'.format(current_process().pid))
with Manager() as mgr:
m_list = mgr.list()
m_dict = mgr.dict()
m_list.append('Hello!!')
p1 = Process(target=func,args=('p1',m_list,m_dict))
p1.start()
p1.join()
print(m_list)
print(m_dict)
五、进程池
Python 提供了更好的管理多个进程的方式，就是使用进程池。
进程池可以提供指定数量的进程给用户使用，即当有新的请求提交到进程池中时，如果池 未满，则会创建一个新的进程用来执行该请求；反之，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，只要池中有进程空闲下来，该请求就能得到执行。
使用进程池的优点
1. 提高效率，节省开辟进程和开辟内存空间的时间及销毁进程的时间
2. 节省内存空间
| 类/方法 | 功能 | 参数 |
|
Pool(processes)
|
创建进程池对象
|
processes 表示进程池
中有多少进程
|
|
pool.apply_async(func,a
rgs,kwds)
|
异步执行 ；将事件放入到进 程池队列
|
func 事件函数
args 以元组形式给
func 传参
kwds 以字典形式给
func 传参 返回值：返
回一个代表进程池事件的对
象，通过返回值的 get 方法
可以得到事件函数的返回值
|
|
pool.apply(func,args,kw
ds)
|
同步执行；将事件放入到进程 池队列
|
func 事件函数 args 以
元组形式给 func 传参
kwds 以字典形式给 func
传参
|
|
pool.close()
|
关闭进程池
|
|
|
pool.join()
|
回收进程池
|
|
|
pool.map(func,iter)
|
类似于 python 的 map 函
数，将要做的事件放入进程池
|
func 要执行的函数
iter 迭代对象
|
from multiprocessing import Pool
import os
from time import sleep
def func1(name):
print(f"当前进程的ID:{os.getpid()},{name}")
sleep(2)
return name
def func2(args):
print(args)
if __name__ == "__main__":
pool = Pool(5)
pool.apply_async(func = func1,args=('t1',),callback=func2)
pool.apply_async(func = func1,args=('t2',),callback=func2)
pool.apply_async(func = func1,args=('t3',),callback=func2)
pool.apply_async(func = func1,args=('t4',))
pool.apply_async(func = func1,args=('t5',))
pool.apply_async(func = func1,args=('t6',))
pool.close()
pool.join()
from multiprocessing import Pool
import os
from time import sleep
def func1(name):
print(f"当前进程的ID:{os.getpid()},{name}")
sleep(2)
return name
if __name__ == "__main__":
with Pool(5) as pool:
args = pool.map(func1,('t1,','t2,','t3,','t4,','t5,','t6,','t7,','t8,'))
for a in args:
print(a)
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容!