【python高级用法】进程

一个简单的进程

# -*- coding: utf-8 -*-

import multiprocessing

def foo(i):
    print ('called function in process: %s' %i)
    return

if __name__ == '__main__':
    Process_jobs = []
    for i in range(5):
        p = multiprocessing.Process(target=foo, args=(i,))
        Process_jobs.append(p)
        p.start()
        p.join()

按照本节前面提到的步骤，创建进程对象首先需要引入multiprocessing模块：

import multiprocessing

然后，我们在主程序中创建进程对象：

p = multiprocessing.Process(target=foo, args=(i,))

最后，我们调用?start()?方法启动：

p.start()

进程对象的时候需要分配一个函数，作为进程的执行任务，本例中，这个函数是?foo()?。我们可以用元组的形式给函数传递一些参数。最后，使用进程对象调用?join()?方法。

如果没有?join()?，主进程退出之后子进程会留在idle中，你必须手动杀死它们。

?进程命名

# 命名一个进程
import multiprocessing
import time

def foo():
    name = multiprocessing.current_process().name
    print("Starting %s \n" % name)
    time.sleep(3)
    print("Exiting %s \n" % name)

if __name__ == '__main__':
    process_with_name = multiprocessing.Process(name='foo_process', target=foo)
    process_with_name.daemon = True  # 注意原代码有这一行，但是译者发现删掉这一行才能得到正确输出
    process_with_default_name = multiprocessing.Process(target=foo)
    process_with_name.start()
    process_with_default_name.start()

这个过程和命名线程很像。命名进程需要为进程对象提供?name?参数：

process_with_name = multiprocessing.Process(name='foo_process', target=foo)

在本例子中，进程的名字就是?foo_function?。如果子进程需要知道父进程的名字，可以使用以下声明：

name = multiprocessing.current_process().name

然后就能看见父进程的名字。

?后台使用进程

?如果需要处理比较巨大的任务，又不需要人为干预，将其作为后台进程执行是个非常常用的编程模型。此进程又可以和其他进程并发执行。通过Python的multiprocessing模块的后台进程选项，我们可以让进程在后台运行。

import multiprocessing
import time

def foo():
    name = multiprocessing.current_process().name
    print("Starting %s " % name)
    time.sleep(3)
    print("Exiting %s " % name)

if __name__ == '__main__':
    background_process = multiprocessing.Process(name='background_process', target=foo)
    background_process.daemon = True
    NO_background_process = multiprocessing.Process(name='NO_background_process', target=foo)
    NO_background_process.daemon = False
    background_process.start()
    NO_background_process.start()

?

为了在后台运行进程，我们设置?daemon?参数为?True

background_process.daemon = True

在非后台运行的进程会看到一个输出，后台运行的没有输出，后台运行进程在主进程结束之后会自动结束。

?进程杀死

我们可以使用?terminate()?方法立即杀死一个进程。另外，我们可以使用?is_alive()?方法来判断一个进程是否还存活。

我们创建了一个线程，然后用?is_alive()?方法监控它的声明周期。然后通过调用?terminate()?方法结束进程。

最后，我们通过读进程的?ExitCode?状态码（status code）验证进程已经结束，?ExitCode?可能的值如下：

• == 0: 没有错误正常退出
• > 0: 进程有错误，并以此状态码退出
• < 0: 进程被?-1?*?的信号杀死并以此作为 ExitCode 退出

在我们的例子中，输出的?ExitCode?是?-15?。负数表示子进程被数字为15的信号杀死。

自定义一个进程子类?

?

实现一个自定义的进程子类，需要以下三步：

• 定义?Process?的子类
• 覆盖?__init__(self?[,args])?方法来添加额外的参数
• 覆盖?run(self,?[.args])?方法来实现?Process?启动的时候执行的任务

创建?Porcess?子类之后，你可以创建它的实例并通过?start()?方法启动它，启动之后会运行?run()?方法。

# -*- coding: utf-8 -*-
# 自定义子类进程
import multiprocessing

class MyProcess(multiprocessing.Process):
        def run(self):
                print ('called run method in process: %s' % self.name)
                return

if __name__ == '__main__':
        jobs = []
        for i in range(5):
                p = MyProcess()
                jobs.append(p)
                p.start()
                p.join()

?

每一个继承了?Process?并重写了?run()?方法的子类都代表一个进程。此方法是进程的入口：

class MyProcess(multiprocessing.Process):
    def run(self):
        print ('called run method in process: %s' % self.name)
        return

在主程序中，我们创建了一些?MyProcess()?的子类。当?start()?方法被调用的时候进程开始执行：

p = MyProcess()
p.start()

join()?命令可以让主进程等待其他进程结束最后退出。

进程间交换对象

并行应用常常需要在进程之间交换数据。Multiprocessing库有两个Communication Channel可以交换对象：队列(queue)和管道（pipe）。

我们可以通过队列数据结构来共享对象。

Queue?返回一个进程共享的队列，是线程安全的，也是进程安全的。任何可序列化的对象（Python通过?pickable?模块序列化对象）都可以通过它进行交换。

?

import multiprocessing
import random
import time

class Producer(multiprocessing.Process):
    def __init__(self, queue):
        multiprocessing.Process.__init__(self)
        self.queue = queue

    def run(self):
        for i in range(10):
            item = random.randint(0, 256)
            self.queue.put(item)
            print("Process Producer : item %d appended to queue %s" % (item, self.name))
            time.sleep(1)
            print("The size of queue is %s" % self.queue.qsize())

class Consumer(multiprocessing.Process):
    def __init__(self, queue):
        multiprocessing.Process.__init__(self)
        self.queue = queue

    def run(self):
        while True:
            if self.queue.empty():
                print("the queue is empty")
                break
            else:
                time.sleep(2)
                item = self.queue.get()
                print('Process Consumer : item %d popped from by %s \n' % (item, self.name))
                time.sleep(1)

if __name__ == '__main__':
    queue = multiprocessing.Queue()
    process_producer = Producer(queue)
    process_consumer = Consumer(queue)
    process_producer.start()
    process_consumer.start()
    process_producer.join()
    process_consumer.join()

我们使用?multiprocessing?类在主程序中创建了?Queue?的实例：

if __name__ == '__main__':
    queue = multiprocessing.Queue()

然后我们创建了两个进程，生产者和消费者，?Queue?对象作为一个属性。

process_producer = Producer(queue)
process_consumer = Consumer(queue)

生产者类负责使用?put()?方法放入10个item：

for i in range(10):
    item = random.randint(0, 256)
    self.queue.put(item)

消费者进程负责使用?get()?方法从队列中移除item，并且确认队列是否为空，如果为空，就执行?break?跳出?while?循环：

def run(self):
    while True:
        if self.queue.empty():
            print("the queue is empty")
            break
        else:
            time.sleep(2)
            item = self.queue.get()
            print('Process Consumer : item %d popped from by %s \n' % (item, self.name))
            time.sleep(1)

?

队列还有一个?JoinableQueue?子类，它有以下两个额外的方法：

• task_done(): 此方法意味着之前入队的一个任务已经完成，比如，?get()?方法从队列取回item之后调用。所以此方法只能被队列的消费者调用。
• join(): 此方法将进程阻塞，直到队列中的item全部被取出并执行。

（?Microndgt?注：因为使用队列进行通信是一个单向的，不确定的过程，所以你不知道什么时候队列的元素被取出来了，所以使用task_done来表示队列里的一个任务已经完成。

这个方法一般和join一起使用，当队列的所有任务都处理之后，也就是说put到队列的每个任务都调用了task_done方法后，join才会完成阻塞。）

?进程间同步

?

多个进程可以协同工作来完成一项任务。通常需要共享数据。所以在多进程之间保持数据的一致性就很重要了。需要共享数据协同的进程必须以适当的策略来读写数据。相关的同步原语和线程的库很类似。

进程的同步原语如下：

• Lock: 这个对象可以有两种装填：锁住的（locked）和没锁住的（unlocked）。一个Lock对象有两个方法，?acquire()?和?release()?，来控制共享数据的读写权限。
• Event: 实现了进程间的简单通讯，一个进程发事件的信号，另一个进程等待事件的信号。?Event?对象有两个方法，?set()?和?clear()?，来管理自己内部的变量。
• Condition: 此对象用来同步部分工作流程，在并行的进程中，有两个基本的方法：?wait()?用来等待进程，?notify_all()?用来通知所有等待此条件的进程。
• Semaphore: 用来共享资源，例如，支持固定数量的共享连接。
• Rlock: 递归锁对象。其用途和方法同?Threading?模块一样。
• Barrier: 将程序分成几个阶段，适用于有些进程必须在某些特定进程之后执行。处于障碍（Barrier）之后的代码不能同处于障碍之前的代码并行。

下面的代码展示了如何使用?barrier()?函数来同步两个进程。我们有4个进程，进程1和进程2由barrier语句管理，进程3和进程4没有同步策略。

?

import multiprocessing
from multiprocessing import Barrier, Lock, Process
from time import time
from datetime import datetime

def test_with_barrier(synchronizer, serializer):
    name = multiprocessing.current_process().name
    synchronizer.wait()
    now = time()
    with serializer:
        print("process %s ----> %s" % (name, datetime.fromtimestamp(now)))

def test_without_barrier():
    name = multiprocessing.current_process().name
    now = time()
    print("process %s ----> %s" % (name, datetime.fromtimestamp(now)))

if __name__ == '__main__':
    synchronizer = Barrier(2)
    serializer = Lock()
    Process(name='p1 - test_with_barrier', target=test_with_barrier, args=(synchronizer,serializer)).start()
    Process(name='p2 - test_with_barrier', target=test_with_barrier, args=(synchronizer,serializer)).start()
    Process(name='p3 - test_without_barrier', target=test_without_barrier).start()
    Process(name='p4 - test_without_barrier', target=test_without_barrier).start()

?下面这幅图表示了barrier如何同步两个进程：

?进程池

?

多进程库提供了?Pool?类来实现简单的多进程任务。?Pool?类有以下方法：

• apply(): 直到得到结果之前一直阻塞。
• apply_async(): 这是?apply()?方法的一个变体，返回的是一个result对象。这是一个异步的操作，在所有的子类执行之前不会锁住主进程。
• map(): 这是内置的?map()?函数的并行版本。在得到结果之前一直阻塞，此方法将可迭代的数据的每一个元素作为进程池的一个任务来执行。
• map_async(): 这是?map()?方法的一个变体，返回一个result对象。如果指定了回调函数，回调函数应该是callable的，并且只接受一个参数。当result准备好时会自动调用回调函数（除非调用失败）。回调函数应该立即完成，否则，持有result的进程将被阻塞。

?下面的例子展示了如果通过进程池来执行一个并行应用。我们创建了有4个进程的进程池，然后使用?map()?方法进行一个简单的计算。

?

import multiprocessing

def function_square(data):
    result = data*data
    return result

if __name__ == '__main__':
    inputs = list(range(100))
    pool = multiprocessing.Pool(processes=4)
    pool_outputs = pool.map(function_square, inputs)
    pool.close()
    pool.join()
    print ('Pool    :', pool_outputs)

进程和线程比较

• 地址空间和其它资源（如打开文件）：进程间相互独立，同一进程的各线程间共享。某进程内的线程在其它进程不可见。
• 通信：进程间通信IPC，线程间可以直接读写进程数据段（如全局变量）来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性。
• 调度和切换：线程上下文切换比进程上下文切换要快得多。
• 在多线程OS中，进程不是一个可执行的实体。

还可以类比为火车和车厢：

• 线程在进程下行进（单纯的车厢无法运行）
• 一个进程可以包含多个线程（一辆火车可以有多个车厢）
• 不同进程间数据很难共享（一辆火车上的乘客很难换到另外一辆火车，比如站点换乘）
• 同一进程下不同线程间数据很易共享（A车厢换到B车厢很容易）
• 进程要比线程消耗更多的计算机资源（采用多列火车相比多个车厢更耗资源）
• 进程间不会相互影响，一个线程挂掉将导致整个进程挂掉（一列火车不会影响到另外一列火车，但是如果一列火车上中间的一节车厢着火了，将影响到该趟火车的所有车厢）
• 进程可以拓展到多机，进程最多适合多核（不同火车可以开在多个轨道上，同一火车的车厢不能在行进的不同的轨道上）
• 进程使用的内存地址可以上锁，即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。（比如火车上的洗手间）－”互斥锁（mutex）”
• 进程使用的内存地址可以限定使用量（比如火车上的餐厅，最多只允许多少人进入，如果满了需要在门口等，等有人出来了才能进去）－“信号量（semaphore）”

参考链接：

第三章 基于进程的并行 — python-parallel-programming-cookbook-cn 1.0 文档

Python多线程、多进程最全整理 - 知乎?