安徽合肥专科学校职业培训欢迎您

您现在的位置: 主页 > 专业设置 > 程序开发 >

Python 多进程教程

2017-07-08 14:51  作者:安徽高新专修学院  来源:未知

Python2.6版本中新添了multiprocessing模块。它最初由Jesse Noller和Richard Oudkerk定义在PEP 371中。就像你能通过threading模块衍生线程一样,multiprocessing 模块允许你衍生进程。这里用到的思想:因为你现在能衍生进程,所以你能够避免使用全局解释器锁(GIL),并且充分利用机器的多个处理器。


多进程包也包含一些根本不在threading 模块中的恒峰娱乐API。比如:有一个灵活的Pool类能让你在多个输入下并行化地执行函数。我们将在后面的小节讲解Pool类。我们将以multiprocessing模块的Process类开始讲解。



开始学习multiprocessing模块


Process这个类和threading模块中的Thread类很像。让我们创建一系列调用相同函数的进程,并且看看它是如何工作的。


import os

from multiprocessing import Process

def doubler(number):

    """

    A doubling function that can be used by a process

    """

    result = number * 2

    proc = os.getpid()

    print('{0} doubled to {1} by process id: {2}'.format(

        number, result, proc))

if __name__ == '__main__':

    numbers = [5, 10, 15, 20, 25]

    procs = []

    for index, number in enumerate(numbers):

        proc = Process(target=doubler, args=(number,))

        procs.append(proc)

        proc.start()

    for proc in procs:

        proc.join()


对于上面的例子,我们导入Process类、创建一个叫doubler的函数。在函数中,我们将传入的数字乘上2。我们也用Python的os模块来获取当前进程的ID(pid)。这个ID将告诉我们哪个进程正在调用doubler函数。然后,在下面的代码块中,我们实例化了一系列的Process类并且启动它们。最后一个循环只是调用每个进程的join()方法,该方法告诉Python等待进程直到它结束。如果你需要结束一个进程,你可以调用它的terminate()方法。


当你运行上面的代码,你应该看到和下面类似的输出结果:


5 doubled to 10 by process id: 10468

10 doubled to 20 by process id: 10469

15 doubled to 30 by process id: 10470

20 doubled to 40 by process id: 10471

25 doubled to 50 by process id: 10472


有时候,你最好给你的进程取一个易于理解的名字 。幸运的是,Process类确实允许你访问同样的进程。让我们来看看如下例子:


import os

from multiprocessing import Process, current_process

def doubler(number):

    """

    A doubling function that can be used by a process

    """

    result = number * 2

    proc_name = current_process().name

    print('{0} doubled to {1} by: {2}'.format(

        number, result, proc_name))

if __name__ == '__main__':

    numbers = [5, 10, 15, 20, 25]

    procs = []

    proc = Process(target=doubler, args=(5,))

    for index, number in enumerate(numbers):

        proc = Process(target=doubler, args=(number,))

        procs.append(proc)

        proc.start()

    proc = Process(target=doubler, name='Test', args=(2,))

    proc.start()

    procs.append(proc)

    for proc in procs:

        proc.join()


这一次,我们多导入了current_process。current_process基本上和threading模块的current_thread是类似的东西。我们用它来获取正在调用我们的函数的线程的名字。你将注意到我们没有给前面的5个进程设置名字。然后我们将第6个进程的名字设置为“Test”。


让我们看看我们将得到什么样的输出结果:


5 doubled to 10 by: Process-2

10 doubled to 20 by: Process-3

15 doubled to 30 by: Process-4

20 doubled to 40 by: Process-5

25 doubled to 50 by: Process-6

2 doubled to 4 by: Test


输出结果说明:默认情况下,multiprocessing模块给每个进程分配了一个编号,而该编号被用来组成进程的名字的一部分。当然,如果我们给定了名字的话,并不会有编号被添加到名字中。



multiprocessing模块支持锁,它和threading模块做的方式一样。你需要做的只是导入Lock,获取它,做一些事,释放它。


from multiprocessing import Process, Lock

def printer(item, lock):

    """

    Prints out the item that was passed in

    """

    lock.acquire()

    try:

        print(item)

    finally:

        lock.release()

if __name__ == '__main__':

    lock = Lock()

    items = ['tango', 'foxtrot', 10]

    for item in items:

        p = Process(target=printer, args=(item, lock))

        p.start()


我们在这里创建了一个简单的用于打印函数,你输入什么,它就输出什么。为了避免线程之间互相阻塞,我们使用Lock对象。代码循环列表中的三个项并博狗官网为它们各自都创建一个进程。每一个进程都将调用我们的函数,并且每次遍历到的那一项作为参数传入函数。因为我们现在使用了锁,所以队列中下一个进程将一直阻塞,直到之前的进程释放锁。


日志


为进程创建日志与为线程创建日志有一些不同。它们存在不同是因为Python的logging包不使用共享锁的进程,因此有可能以来自不同进程的信息作为结束的标志。让我们试着给前面的例子添加基本的日志。代码如下:


import logging

import multiprocessing

from multiprocessing import Process, Lock

def printer(item, lock):

    """

    Prints out the item that was passed in

    """

    lock.acquire()

    try:

        print(item)

    finally:

        lock.release()

if __name__ == '__main__':

    lock = Lock()

    items = ['tango', 'foxtrot', 10]

    multiprocessing.log_to_stderr()

    logger = multiprocessing.get_logger()

    logger.setLevel(logging.INFO)

    for item in items:

        p = Process(target=printer, args=(item, lock))

        p.start()


最简单的添加日志的方法通过推送它到stderr实现。我们能通过调用thelog_to_stderr() 函数来实现该方法。然后我们调用get_logger 函数获得一个logger实例,并将它的日志等级设为INFO。之后的代码是相同的。需要提示下这里我并没有调用join()方法。取而代之的:当它退出,父线程将自动调用join()方法。


当你这么做了,你应该得到类似下面的输出:


[INFO/Process-1] child process calling self.run()

tango

[INFO/Process-1] process shutting down

[INFO/Process-1] process exiting with exitcode 0

[INFO/Process-2] child process calling self.run()

[INFO/MainProcess] process shutting down

foxtrot

[INFO/Process-2] process shutting down

[INFO/Process-3] child process calling self.run()

[INFO/Process-2] process exiting with exitcode 0

10

[INFO/MainProcess] calling join() for process Process-3

[INFO/Process-3] process shutting down

[INFO/Process-3] process exiting with exitcode 0

[INFO/MainProcess] calling join() for process Process-2


现在如果你想要保存日志到硬盘中,那么这件事就显得有些棘手。你能在Python的logging Cookbook阅读一些有关那类话题。


Pool类


Pool类被用来代表一个工作进程池。它有让你将任务转移到工作进程的方法。让我们看下面一个非常简单的例子。


from multiprocessing import Pool

def doubler(number):

    return number * 2

if __name__ == '__main__':

    numbers = [5, 10, 20]

    pool = Pool(processes=3)

    print(pool.map(doubler, numbers))


基本上执行上述代码之后,一个Pool的实例被创建,并且该实例创建了3个工作进程。然后我们使用map 方法将一个函数和一个可迭代对象映射到每个进程。最后我们打印出这个例子的结果:[10, 20, 40]。


你也能通过apply_async方法获得池中进程的运行结果:


from multiprocessing import Pool

def doubler(number):

    return number * 2

if __name__ == '__main__':

    pool = Pool(processes=3)

    result = pool.apply_async(doubler, (25,))

    print(result.get(timeout=1))


我们上面做的事实际上就是请求进程的运行结果。那就是get函数的用途。它尝试去获取我们的结果。你能够注意到我们设置了timeout,这是为了预防我们调用的函数发生异常的情况。毕竟我们不想要它被无限期地阻塞。


进程通信


当遇到进程间通信的情况,multiprocessing 模块提供了两个主要的方法:Queues 和 Pipes。Queue 实现上既是线程安全的也是进程安全的。让我们看一个相当简单的并且基于 Queue的例子。代码来自于我的文章(threading articles)。


from multiprocessing import Process, Queue

sentinel = -1

def creator(data, q):

    """

    Creates data to be consumed and waits for the consumer

    to finish processing

    """

    print('Creating data and putting it on the queue')

    for item in data:

        q.put(item)

def my_consumer(q):

    """

    Consumes some data and works on it

    In this case, all it does is double the input

    """

    while True:

        data = q.get()

        print('data found to be processed: {}'.format(data))

        processed = data * 2

        print(processed)

        if data is sentinel:

            break

if __name__ == '__main__':

    q = Queue()

    data = [5, 10, 13, -1]

    process_one = Process(target=creator, args=(data, q))

    process_two = Process(target=my_consumer, args=(q,))

    process_one.start()

    process_two.start()

    q.close()

    q.join_thread()

    process_one.join()

    process_two.join()


在这里我们只需要导入Queue和Process。Queue用来创建数据和添加数据到队列中,Process用来消耗数据并执行它。通过使用Queue的put()和get()方法,我们就能添加数据到Queue、从Queue获取数据。代码的最后一块只是创建了Queue 对象以及两个Process对象,并且运行它们。你能注意到我们在进程对象上调用join()方法,而不是在Queue本身上调用。


总结


我们这里有大量的资料。你已经学习如何使用multiprocessing模块指定不变的函数、使用Queues在进程间通信、给进程命名等很多事。在Python文档中也有很多本文没有接触到的知识点,因此也务必深入了解下文档。与此同时,你现在知道如何用Python利用你电脑所有的处理能力了!

    编译:伯乐在线 - tsteho

    程序员大咖整理发布,转载请联系作者获得授权。

    ↙点击“阅读原文”,加入 

    『程序员大咖』