python使用多程式

python多執行緒適合IO密集型場景，而在CPU密集型場景，並不能充分利用多核CPU，而協程本質基於執行緒，同樣不能充分發揮多核的優勢。

針對計算密集型場景需要使用多程式，python的multiprocessing與threading模組非常相似，支援用程式池的方式批量建立子程式。

建立單個Process程式(使用func)

只需要例項化Process類，傳遞函式給target引數，這點和threading模組非常的類似，args為函式的引數

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

import os

from multiprocessing import Process

# 子程式要執行的程式碼

def task(name):

print('run child process %s (%s)...' % (name, os.getpid()))

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Process(target=task, args=('test',))

p.start()

p.join()

print('process end.')

建立單個Process程式(使用class)

繼承Process類，重寫run方法建立程式，這點和threading模組基本一樣

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

import multiprocessing

import os

from multiprocessing import current_process

class Worker(multiprocessing.Process):

def run(self):

name = current_process().name # 獲取當前程式的名稱

print('run child process <%s> (%s)' % (name, os.getpid()))

print('In %s' % self.name)

return

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Worker()

p.start()

p.join()

print('process end.')

　　* 停止程式

terminate()結束子程式，但是會導致子程式的資源無法釋放掉，是不推薦的做法，因為結束的時候不清楚子執行緒的執行狀況，有很大可能性導致子執行緒在不恰當的時刻被結束。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

import multiprocessing

import time

def worker():

print('starting worker')

time.sleep(0.1)

print('finished worker')

if __name__ == '__main__':

p = multiprocessing.Process(target=worker)

print('執行前:', p.is_alive())

p.start()

print('執行中:', p.is_alive())

p.terminate() # 傳送停止號

print('停止:', p.is_alive())

p.join()

print('等待完成:', p.is_alive())

直接建立多個Process程式

1

2

3

4

5

6

7

8

9

10

11

12

import multiprocessing

def worker(num):

print(f'Worker:%s %s', num)

return

if __name__ == '__main__':

jobs = []

for i in range(5):

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

jobs.append(p)

p.start()

使用程式池建立多個程式

在利用Python進行系統管理的時候，特別是同時操作多個檔案目錄，或者遠端控制多臺主機，並行操作可以節約大量的時間。當被操作物件數目不大時，可以直接利用multiprocessing中的Process動態成生多個程式，十幾個還好，但如果是上百個，上千個目標，手動的去限制程式數量卻又太過繁瑣，此時可以發揮程式池的功效。
Pool可以提供指定數量的程式供使用者呼叫，當有新的請求提交到pool中時，如果池還沒有滿，那麼就會建立一個新的程式用來執行該請求；但如果池中的程式數已經達到規定最大值，那麼該請求就會等待，直到池中有程式結束，才會建立新的程式來它。

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

import os

import random

import time

from multiprocessing import Pool

from time import ctime

def task(name):

print('start task %s (%s)...' % (name, os.getpid()))

start = time.time()

time.sleep(random.random() * 3)

print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Pool() # 初始化程式池

for i in range(5):

p.apply_async(task, args=(i,)) # 追加任務 apply_async 是非同步非阻塞的，就是不用等待當前程式執行完畢，隨時根據系統排程來進行程式切換。

p.close()

p.join() # 等待所有結果執行完畢，會等待所有子程式執行完畢，呼叫join()之前必須先呼叫close()

print(f'all done at: {ctime()}')

如果關心每個程式的執行結果，可以使用返回結果的get方法獲取，程式碼如下

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

import os

import random

import time

from multiprocessing import Pool, current_process

from time import ctime

def task(name):

print('start task %s (%s)...' % (name, os.getpid()))

start = time.time()

time.sleep(random.random() * 3)

print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))

return current_process().name + 'done'

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

result = []

p = Pool() # 初始化程式池

for i in range(5):

result.append(p.apply_async(task, args=(i,))) # 追加任務 apply_async 是非同步非阻塞的，就是不用等待當前程式執行完畢，隨時根據系統排程來進行程式切換。

p.close()

p.join() # 等待所有結果執行完畢

for res in result:

print(res.get()) # get()函式得出每個返回結果的值

print(f'all done at: {ctime()}')

　　來源：https://www.cnblogs.com/chenqionghe/p/9674596.html

python使用多程式

建立單個Process程式(使用func)

建立單個Process程式(使用class)

* 停止程式

直接建立多個Process程式

使用程式池建立多個程式

相關文章

　　* 停止程式