python多进程
大家看过前面文章的应该都知道python中的GIL的存在，也就是多线程的时候，同一时间只能有一个线程在CPU上运行，而且是单个CPU上运行，不管你的CPU有多少核数。如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。
多进程介绍
- 进程：一个程序运行起来后，代码+用到的资源 称为进程。他是操作系统分配资源的基本单元。线程完成的多任务，进程也可以。
- 现在的电脑的CPU一般都有多个核心，在Python中可以使用 multiprocessing 包比较方便地实现将计算任务分配给多个核心，使之并行地计算以实现加速的效果。
- 进程是表示资源分配的基本单位，又是调度运行的基本单位。例如，用户运行自己的程序，系统就创建一个进程，并为它分配资源，包括各种表格、内存空间、磁盘空间、I/O设备等。所以，进程是系统中的并发执行的单位。
多进程用法
多进程实现方法
- Python中的多进程是通过multiprocessing包来实现的。
- 利用multiprocessing.Process对象来创建一个进程对象。
- 构造方法：
Process([group [, target [, name [, args [, kwargs]]]]])- group: 线程组
- target: 要执行的方法
- name: 进程名
- args/kwargs: 要传入方法的参数
- 实例方法：
- start() ：进程准备就绪，等待CPU调度。
- run()：strat()调用run方法，如果实例进程时未制定传入target，这star执行t默认run()方法。
- join([timeout])：阻塞当前上下文环境的进程程，直到调用此方法的进程终止或到达指定的timeout（可选参数）。
- is_alive()：返回进程是否在运行,bool类型。
- terminate()：不管任务是否完成，立即停止工作进程
- 属性：
- name：进程名字
- pid：进程号
1. 常见多进程用法
最简单的多进程方法：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16from multiprocessing import Process
def fun1(name):
print('测试%s多进程' %name)
if __name__ == '__main__':
process_list = []
for i in range(5): #开启5个子进程执行fun1函数
p = Process(target=fun1,args=('Python',)) #实例化进程对象
p.start()
process_list.append(p)
for i in process_list:
p.join()
print('结束测试')
2. 类实现多进程用法
继承类Process方法：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22from multiprocessing import Process
class MyProcess(Process): #继承Process类
def __init__(self,name):
super(MyProcess,self).__init__()
self.name = name
def run(self):
print('测试%s多进程' % self.name)
if __name__ == '__main__':
process_list = []
for i in range(5): #开启5个子进程执行fun1函数
p = MyProcess('Python') #实例化进程对象
p.start()
process_list.append(p)
for i in process_list:
p.join()
print('结束测试')
多进程通信
进程是系统独立调度核分配系统资源（CPU、内存）的基本单位，进程之间是相互独立的，每启动一个新的进程相当于把数据进行了一次克隆，子进程里的数据修改无法影响到主进程中的数据，不同子进程之间的数据也不能共享，这是多进程在使用中与多线程最明显的区别。
但是难道Python多进程中间难道就是孤立的吗？
当然不是，python也提供了多种方法实现了多进程中间的通信和数据共享（可以修改一份数据）
1. 进程队列Queue
queue:进程之间的数据管道，实现进程通信。
有点类似派一个间谍过去，时不时的往回发送情报。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23from multiprocessing import Process,Queue
def fun1(q,i):
print('子进程%s 开始put数据' %i)
q.put('我是%s 通过Queue通信' %i)
if __name__ == '__main__':
q = Queue()
process_list = []
for i in range(3):
p = Process(target=fun1,args=(q,i,)) #注意args里面要把q对象传给我们要执行的方法，这样子进程才能和主进程用Queue来通信
p.start()
process_list.append(p)
for i in process_list:
p.join()
print('主进程获取Queue数据')
print(q.get())
print(q.get())
print(q.get())
print('结束测试')
2. 管道Pipe
管道Pipe和Queue的作用大致差不多，也是实现进程间的通信。
有点类似量子纠缠，先设置一对纠缠粒子，把其中一个发送给子进程，然后通过量子纠缠的方式进行瞬时通信。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19from multiprocessing import Process, Pipe
def fun1(conn):
print('子进程发送消息：')
conn.send('你好主进程')
print('子进程接受消息：')
print(conn.recv())
conn.close()
if __name__ == '__main__':
conn1, conn2 = Pipe() #关键点，pipe实例化生成一个双向管
p = Process(target=fun1, args=(conn2,)) #conn2传给子进程
p.start()
print('主进程接受消息：')
print(conn1.recv())
print('主进程发送消息：')
conn1.send("你好子进程")
p.join()
print('结束测试')
3. 数据共享方法Managers
Queue和Pipe只是实现了数据交互，并没实现数据共享，即一个进程去更改另一个进程的数据。那么久要用到Managers。
类似定义了一个跨进程的公共变量，传入到子进程后，主进程、子进程都可以访问读写这个公共变量。
from multiprocessing import Process, Manager def fun1(dic,lis,index): dic[index] = 'a' dic['2'] = 'b' lis.append(index) # [0,1,2,3,4,0,1,2,3,4,5,6,7,8,9] #print(l) if __name__ == '__main__': with Manager() as manager: dic = manager.dict() # 注意字典的声明方式，不能直接通过{}来定义 l = manager.list(range(5)) # [0,1,2,3,4] process_list = [] for i in range(10): p = Process(target=fun1, args=(dic,l,i)) p.start() process_list.append(p) for res in process_list: res.join() print(dic) print(l)