python如何使用multiprocess（Python multiprocessing多进程原理与应用示例）

python如何使用multiprocess

Python multiprocessing多进程原理与应用示例

本文实例讲述了Python multiprocessing多进程原理与应用。分享给大家供大家参考，具体如下：

multiprocessing包是Python中的多进程管理包,可以利用multiprocessing.Process对象来创建进程,Process对象拥有is_alive()、join([timeout])、run()、start()、terminate()等方法。

multprocessing模块的核心就是使管理进程像管理线程一样方便，每个进程有自己独立的GIL，所以不存在进程间争抢GIL的问题，在多核CPU环境中，可以大大提高运行效率。

multiprocessing使用示例：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

import multiprocessing import time import cv2 def daemon1(image):   name = multiprocessing.current_process().name   for i in range(50):     image = cv2.GaussianBlur(image, (3, 3), 1)     time.sleep(0.1)   print 'daemon1 done!'   cv2.imshow('daemon1', image) def daemon2(image):   name = multiprocessing.current_process().name   for i in range(50):     image = cv2.GaussianBlur(image, (3, 3), 1)     time.sleep(0.5)   print 'daemon2 done!'   cv2.imshow('daemon2', image) if __name__ == '__main__':   t1 = time.time()   number_kernel = multiprocessing.cpu_count()   print 'We have {0} kernels'.format(number_kernel)   p1 = multiprocessing.Process(name='daemon1',                 target=daemon1,args= (cv2.imread('./p1.jpg'),))   p1.daemon = False   p2 = multiprocessing.Process(name='daemon2',                 target=daemon2, args=(cv2.imread('./p2.jpg'),))   p2.daemon = False   p1.start()   p2.start()   print 'p1 is {0}'.format(p1.is_alive())   p1.terminate()   p1.join()   print 'p1 is {0}'.format(p1.is_alive())   print 'p2 is {0}'.format(p2.is_alive())   p2.join()   t2 = time.time()   print '!!!!!!!!!!!!!!!!!!!!OK!!!!!!!!!!!!!!!!!!!!!'   print 'total time is {0}'.format(t2-t1)   print 'p1.exitcode = {0}'.format(p1.exitcode)   print 'p2.exitcode = {0}'.format(p2.exitcode)

multiprocessing中Process是一个类，用于创建进程，以及定义进程的方法，Process类的构造函数是：

?

1	def __init__(self, group=None, target=None, name=None, args=(), kwargs={})

参数含义：

• group：进程所属组，基本不用
• target： 创建进程关联的对象，需要传入要多进程处理的函数名
• name： 定义进程的名称
• args： 表示与target相关联的函数的传入参数，可以传入多个，注意args是一个元组，如果传入的参数只有一个，需要表示为 args = (element1,)
• kwargs： 表示调用对象的字典

程序解读：

• multiprocessing.cpu_count()： 返回机器上cpu核的总数量
• p1.daemon = False ： 定义子进程的运行属性，如果 .daemon设置为False表示子进程可以在主进程完成之后继续执行； 如果 .daemon设置为True，表示子进程随着主进程的结束而结束；必须在start之前设置；
• p1.start(): 开始执行子进程p1
• p1.join(): 定义子进程p1的运行阻塞主进程，只有p1子进程执行完成之后才会继续执行join之后的主进程，但是子进程间互相不受join影响。
• 可以定义子进程阻塞主进程的时间--p1.join(100)，超时之后，主进程不再等待，开始执行。join()需要放在start()方法之后；
• p1.terminate()：终止子进程的执行，其后要跟上jion()方法更新子进程的状态；
• p1.exitcode： 进程的退出状态：  == 0 未生成任何错误，正常退出；  > 0 进程有一个错误，并以该错误码退出；    <0 进程由一个-1 * exitcode信号结束

在multiprocessing中使用pool

如果需要多个子进程时，使用进程池(pool)来（自动）管理各个子进程更加方便：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

from multiprocessing import Pool import os, time def long_time_task(name):   print 'Run task {0} ({1})'.format(name,os.getpid())   start = time.time()   time.sleep(3)   end = time.time()   print 'Task {0} runs {1:.2f} seconds.'.format(name,end - start) if __name__=='__main__':   print 'Parent process ({0})'.format(os.getpid)   p = Pool()   for i in range(12):     p.apply_async(long_time_task, args=(i,))   print 'Waiting for all subprocesses done...'   p.close()   p.join()   print 'All subprocesses done.'

与Process类创建进程的方法不同，Pool是通过apply_async(func,args=(args))方法创建进程，一个进程池中能同时运行的任务数是机器上CPU核的总数量n_kernel，如果创建的子进程数大于n_kernel，则同时执行n_kernel个进程，这n_kernel中某个进程完成之后才会启动下一个进程。

• os.getpid()是获取当前执行的进程的ID
• p.close()方法是关掉进程池，表示不能再继续向进程池添加进程了。
• p.join()方法是子进程阻塞主进程，必须在调用p.close()关闭进程池之后才能调用join()方法

多个子进程间的通信

多个子进程间的通信要用到multiprocessing.Queue，Queue的特性是它是一个消息队列。比如有以下的需求，一个子进程向队列中写数据，另外一个进程从队列中取数据的例子：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

from multiprocessing import Process, Queue import os, time, random def write(q):   for value in ['A', 'B', 'C']:     print 'Put {0} to queue...'.format(value)     q.put(value)     time.sleep(random.random()) def read(q):   while True:     if not q.empty():       value = q.get(True)       print 'Get {0} from queue.'.format(value)       time.sleep(random.random())     else:       break if __name__=='__main__':   q = multiprocessing.Queue()   pw = Process(target=write, args=(q,))   pr = Process(target=read, args=(q,))   pw.start()   pw.join()   pr.start()   pr.join()

Queue使用方法：

• Queue.qsize()：返回当前队列包含的消息数量；
• Queue.empty()：如果队列为空，返回True，反之False ；
• Queue.full()：如果队列满了，返回True,反之False；
• Queue.get():获取队列中的一条消息，然后将其从列队中移除，可传参超时时长；
• Queue.get_nowait()：相当Queue.get(False),取不到值时触发异常：Empty；
• Queue.put():将一个值添加进数列，可传参超时时长；
• Queue.put_nowait():相当于Queue.get(False),当队列满了时报错：Full；

在进程池Pool中，使用Queue会出错，需要使用Manager.Queue：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

from multiprocessing import Process, Queue import os, time, random def write(q):   for value in ['A', 'B', 'C']:     print 'Put {0} to queue...'.format(value)     q.put(value)     time.sleep(random.random()) def read(q):   while True:     if not q.empty():       value = q.get(True)       print 'Get {0} from queue.'.format(value)       time.sleep(random.random())     else:       break if __name__=='__main__':   manager = multiprocessing.Manager()   q = manager.Queue()   p = Pool()   pw = p.apply_async(write, args=(q,))   time.sleep(2)   pr = p.apply_async(read, args=(q,))   p.close()   p.join()   if not q.empty():     print 'q is not empty...'   else:     print 'q is empty...'   print 'OK'   if not q.empty():     print 'q is not empty...'   else:     print 'q is empty...'   print 'done...'

父进程与子进程共享内存

定义普通的变量，不能实现在父进程和子进程之间共享：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import multiprocessing from multiprocessing import Pool def changevalue(n, a):   n = 3.14   a[0] = 5 if __name__ == '__main__':   num = 0   arr = range(10)   p = Pool()   p1 = p.apply_async(changevalue, args=(num, arr))   p.close()   p.join()   print num   print arr[:]

结果输出num的值还是在父进程中定义的0，arr的第一个元素值还是0。

使用multiprocessing创建共享对象:

?

1 2 3 4 5 6 7 8 9 10 11 12

import multiprocessing def changevalue(n, a):   n.value = 3.14   a[0] = 5 if __name__ == '__main__':   num = multiprocessing.Value('d', 0.0)   arr = multiprocessing.Array('i', range(10))   p = multiprocessing.Process(target=changevalue, args=(num, arr))   p.start()   p.join()   print num.value   print arr[:]

结果输出num的值是在子进程中修改的3.14，arr的第一个元素值更改为5。

共享内存在Pool中的使用：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import multiprocessing from multiprocessing import Pool def changevalue(n, a):   n.value = 3.14   a[0] = 5 if __name__ == '__main__':   num = multiprocessing.Value('d', 0.0)   arr = multiprocessing.Array('i', range(10))   p = Pool()   p1 = p.apply_async(changevalue, args=(num, arr))   p.close()   p.join()   print num.value   print arr[:]

希望本文所述对大家Python程序设计有所帮助。

原文链接：https://blog.csdn.net/dcrmg/article/details/78231845