這篇文章主要介紹了初步解析Python下的多進程編程,使用多進程編程一直是Python編程當中的重點和難點,需要的朋友可以參考下
要讓Python程序?qū)崿F(xiàn)多進程(multiprocessing)，我們先了解操作系統(tǒng)的相關(guān)知識。
Unix/Linux操作系統(tǒng)提供了一個fork()系統(tǒng)調(diào)用，它非常特殊。普通的函數(shù)調(diào)用，調(diào)用一次，返回一次，但是fork()調(diào)用一次，返回兩次，因為操作系統(tǒng)自動把當前進程(稱為父進程)復制了一份(稱為子進程)，然后，分別在父進程和子進程內(nèi)返回。
子進程永遠返回0，而父進程返回子進程的ID。這樣做的理由是，一個父進程可以fork出很多子進程，所以，父進程要記下每個子進程的ID，而子進程只需要調(diào)用getppid()就可以拿到父進程的ID。
Python的os模塊封裝了常見的系統(tǒng)調(diào)用，其中就包括fork，可以在Python程序中輕松創(chuàng)建子進程：
# multiprocessing.py
import os
print 'Process (%s) start...' % os.getpid()
pid = os.fork()
if pid==0:
print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid())
else:
print 'I (%s) just created a child process (%s).' % (os.getpid(), pid)
運行結(jié)果如下：
Process (876) start...
I (876) just created a child process (877).
I am child process (877) and my parent is 876.
由于Windows沒有fork調(diào)用，上面的代碼在Windows上無法運行。由于Mac系統(tǒng)是基于BSD(Unix的一種)內(nèi)核，所以，在Mac下運行是沒有問題的，推薦大家用Mac學Python!
有了fork調(diào)用，一個進程在接到新任務(wù)時就可以復制出一個子進程來處理新任務(wù)，常見的Apache服務(wù)器就是由父進程監(jiān)聽端口，每當有新的http請求時，就fork出子進程來處理新的http請求。
multiprocessing
如果你打算編寫多進程的服務(wù)程序，Unix/Linux無疑是正確的選擇。由于Windows沒有fork調(diào)用，難道在Windows上無法用Python編寫多進程的程序?
由于Python是跨平臺的，自然也應(yīng)該提供一個跨平臺的多進程支持。multiprocessing模塊就是跨平臺版本的多進程模塊。
multiprocessing模塊提供了一個Process類來代表一個進程對象，下面的例子演示了啟動一個子進程并等待其結(jié)束：
from multiprocessing import Process
import os
# 子進程要執(zhí)行的代碼
def run_proc(name):
print 'Run child process %s (%s)...' % (name, os.getpid())
if __name__=='__main__':
print 'Parent process %s.' % os.getpid()
p = Process(target=run_proc, args=('test',))
print 'Process will start.'
p.start()
p.join()
print 'Process end.'
執(zhí)行結(jié)果如下：
Parent process 928.
Process will start.
Run child process test (929)...
Process end.
創(chuàng)建子進程時，只需要傳入一個執(zhí)行函數(shù)和函數(shù)的參數(shù)，創(chuàng)建一個Process實例，用start()方法啟動，這樣創(chuàng)建進程比fork()還要簡單。
join()方法可以等待子進程結(jié)束后再繼續(xù)往下運行，通常用于進程間的同步。
Pool
如果要啟動大量的子進程，可以用進程池的方式批量創(chuàng)建子進程：
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print 'Run task %s (%s)...' % (name, os.getpid())
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print 'Task %s runs %0.2f seconds.' % (name, (end - start))
if __name__=='__main__':
print 'Parent process %s.' % os.getpid()
p = Pool()
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print 'Waiting for all subprocesses done...'
p.close()
p.join()
print 'All subprocesses done.'
執(zhí)行結(jié)果如下：
Parent process 669.
Waiting for all subprocesses done...
Run task 0 (671)...
Run task 1 (672)...
Run task 2 (673)...
Run task 3 (674)...
Task 2 runs 0.14 seconds.
Run task 4 (673)...
Task 1 runs 0.27 seconds.
Task 3 runs 0.86 seconds.
Task 0 runs 1.41 seconds.
Task 4 runs 1.91 seconds.
All subprocesses done.
代碼解讀：
對Pool對象調(diào)用join()方法會等待所有子進程執(zhí)行完畢，調(diào)用join()之前必須先調(diào)用close()，調(diào)用close()之后就不能繼續(xù)添加新的Process了。
請注意輸出的結(jié)果，task 0，1，2，3是立刻執(zhí)行的，而task 4要等待前面某個task完成后才執(zhí)行，這是因為Pool的默認大小在我的電腦上是4，因此，最多同時執(zhí)行4個進程。這是Pool有意設(shè)計的限制，并不是操作系統(tǒng)的限制。如果改成：
?
1
p = Pool(5)
就可以同時跑5個進程。
由于Pool的默認大小是CPU的核數(shù)，如果你不幸擁有8核CPU，你要提交至少9個子進程才能看到上面的等待效果。
進程間通信
Process之間肯定是需要通信的，操作系統(tǒng)提供了很多機制來實現(xiàn)進程間的通信。Python的multiprocessing模塊包裝了底層的機制，提供了Queue、Pipes等多種方式來交換數(shù)據(jù)。
我們以Queue為例，在父進程中創(chuàng)建兩個子進程，一個往Queue里寫數(shù)據(jù)，一個從Queue里讀數(shù)據(jù)：
from multiprocessing import Process, Queue
import os, time, random
# 寫數(shù)據(jù)進程執(zhí)行的代碼:
def write(q):
for value in ['A', 'B', 'C']:
print 'Put %s to queue...' % value
q.put(value)
time.sleep(random.random())
# 讀數(shù)據(jù)進程執(zhí)行的代碼:
def read(q):
while True:
value = q.get(True)
print 'Get %s from queue.' % value
if __name__=='__main__':
# 父進程創(chuàng)建Queue，并傳給各個子進程：
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 啟動子進程pw，寫入:
pw.start()
# 啟動子進程pr，讀取:
pr.start()
# 等待pw結(jié)束:
pw.join()
# pr進程里是死循環(huán)，無法等待其結(jié)束，只能強行終止:
pr.terminate()
運行結(jié)果如下：
Put A to queue...
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
Get C from queue.
在Unix/Linux下，multiprocessing模塊封裝了fork()調(diào)用，使我們不需要關(guān)注fork()的細節(jié)。由于Windows沒有fork調(diào)用，因此，multiprocessing需要“模擬”出fork的效果，父進程所有Python對象都必須通過pickle序列化再傳到子進程去，所有，如果multiprocessing在Windows下調(diào)用失敗了，要先考慮是不是pickle失敗了。
小結(jié)
在Unix/Linux下，可以使用fork()調(diào)用實現(xiàn)多進程。
要實現(xiàn)跨平臺的多進程，可以使用multiprocessing模塊。
進程間通信是通過Queue、Pipes等實現(xiàn)的。