Python多进程之multiprocessing模块和进程池的实现

转载：https://www.cnblogs.com/xiaobeibei26/p/6484849.html

Python多进程之multiprocessing模块和进程池的实现

1、利用multiprocessing可以在主进程中创建子进程，提升效率，下面是multiprocessing创建进程的简单例子，和多线程的使用非常相似

'''
代码是由主进程里面的主线程从上到下执行的,
我们在主线程里面又创建了两个子进程，子进
程里面也是子线程在干活，这个子进程在主进
程里面
'''
import multiprocessing
import time

def f0(a1):
    time.sleep( 3 )
    print (a1)
if __name__ = = '__main__' : #windows下必须加这句

    t = multiprocessing.Process(target = f0,args = ( 12 ,))
    t.daemon = True #将daemon设置为True，则主线程不比等待子进程，主线程结束则所有结束
    t.start()

    t2 = multiprocessing.Process(target = f0, args = ( 13 ,))
    t2.daemon = True
    t2.start()

    print ( 'end' ) #默认情况下等待所有子进程结束，主进程才结束

　　这里的结果是直接打印出end就结束了，因为添加了t.daemon=True，join方法在进程里面也可以用，跟线程的用法非常相似

2、进程之间默认是不能共用内存的

li = []

def f1(i):
    li.append(i)
    print ( '你好' ,li)

if __name__ = = '__main__' : #进程不能共用内存
    for i in range ( 10 ):
        p = Process(target = f1,args = (i,))
        p.start()

'''每个进程都创建一个列表，然后添加一个因素进去，
   每个进程之间的数据是不能共享的

　　结果如图

如果将代码改成threading，由于线程共用内存，所以结果是不一样的，线程操作列表li之前，拿到的是前一个线程操作过的li列表，如图

3、如果要进程之间处理同一个数据，可以运用数组以及进程里面的manager方法，下面代码介绍的是manager方法

 

from multiprocessing import Process
from multiprocessing import Manager



def f1(i,dic):
    dic[i] = 200 + i
    print (dic.values())

if __name__ = = '__main__' : #进程间默认不能共用内存
    manager = Manager()
    dic = manager. dict () #这是一个特殊的字典


    for i in range ( 10 ):
        p = Process(target = f1,args = (i,dic))
        p.start()
        p.join()

　　这里输出如图，表示每个进程都是操作这个字典，最后的输出是有10个元素

如果是普通的字典，输出如图

 

4、multiprocessing模块里面的进程池Pool的使用

（1）apply模块的使用，每个任务是排队执行的

from multiprocessing import Process,Pool
from multiprocessing import Manager
import time


def f1(a):
    time.sleep( 2 )
    print (a)

if __name__ = = '__main__' :
    pool = Pool( 5 )
    for i in range ( 5 ): #每次使用的时候会去进程池里面申请一个进程
        pool. apply (func = f1,args = (i,))
        print ( '你好' ) #apply里面是每个进程执行完毕了才执行下一个进程
    pool.close() #执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
    pool.join() #等待进程运行完毕，先调用close函数，否则会出错

　　运行结果如图

（2）apply_async模块，会比apply模块多个回调函数，同时是异步的

from multiprocessing import Process,Pool
from multiprocessing import Manager
import time



def Foo(i):
    time.sleep( 1 )
    return i + 50

def Bar(arg):
    print (arg)

if __name__ = = '__main__' :
    pool = Pool( 5 )
    for i in range ( 10 ):

        '''apply是去简单的去执行，而apply_async是执行完毕之后可以执行一
        个回调函数，起提示作用'''
        pool.apply_async(func = Foo,args = (i,),callback = Bar) #是异步的
        print ( '你好' )
    pool.close() #不执行close会报错，因为join的源码里面有个断言会检验是否执行了该方法
    pool.join() #等待所有子进程运行完毕，否则的话由于apply_async里面daemon是设置为True的，主进程不会等子进程，所欲函数可能会来不及执行完毕就结束了
'''apply_async里面，等函数Foo执行完毕，它的返回结果会被当做参数
    传给Bar'''

　　结果如图

这两个方法的主要区别如图