python基础之并发编程(二)

一、多进程的实现

方法一

# 方法包装   多进程
from multiprocessing import process
from time import sleep
def func1(arg):
    print(f'{arg}开始...')
    sleep(2)
    print(f'{arg}结束...')
if __name__ == "__main__":
    p1 = process(target=func1,args=('p1',))
    p2 = process(target=func1,args=('p2',))
    p1.start()
    p2.start()

方法二：

二、使用进程的优缺点

1、优点

• 可以使用计算机多核，进行任务的并发执行，提高执行效率
• 运行不受其他进程影响，创建方便
• 空间独立，数据安全

2、缺点

• 进程的创建和删除消耗的系统资源较多

三、进程的通信

python 提供了多种实现进程间通信的机制，主要有以下 2 种：

1. python multiprocessing 模块下的 queue 类，提供了多个进程之间实现通信的诸多 方法

2. pipe，又被称为“管道”，常用于实现 2 个进程之间的通信，这 2 个进程分别位于管 道的两端

pipe 直译过来的意思是“管”或“管道”，该种实现多进程编程的方式，和实际生活中 的管（管道）是非常类似的。通常情况下，管道有 2 个口，而 pipe 也常用来实现 2 个进程之 间的通信，这 2 个进程分别位于管道的两端，一端用来发送数据，另一端用来接收数据 - send(obj)

发送一个 obj 给管道的另一端，另一端使用 recv() 方法接收。需要说明的是，该 obj 必 须是可序列化的，如果该对象序列化之后超过 32mb，则很可能会引发 valueerror 异常 - recv()

接收另一端通过 send() 方法发送过来的数据 - close()

关闭连接 - poll([timeout])

返回连接中是否还有数据可以读取 - end_bytes(buffer[, offset[, size]])

发送字节数据。如果没有指定 offset、size 参数，则默认发送 buffer 字节串的全部数 据；如果指定了 offset 和 size 参数，则只发送 buffer 字节串中从 offset 开始、长度为 size 的字节数据。通过该方法发送的数据，应该使用 recv_bytes() 或 recv_bytes_into 方法接收 - recv_bytes([maxlength])

接收通过 send_bytes() 方法发送的数据，maxlength 指定最多接收的字节数。该方法返 回接收到的字节数据 - recv_bytes_into(buffer[, offset])

功能与 recv_bytes() 方法类似，只是该方法将接收到的数据放在 buffer 中

1、queue 实现进程间通信

from multiprocessing import process,current_process,queue   # current_process 指的是当前进程
# from queue import queue
import os
def func(name,mq):
    print('进程id {} 获取了数据：{}'.format(os.getpid(),mq.get()))
    mq.put('shiyi')
if __name__ == "__main__":
    # print('进程id:{}'.format(current_process().pid))
    # print('进程id:{}'.format(os.getpid()))
    mq = queue()
    mq.put('yangyang')
    p1 = process(target=func,args=('p1',mq))
    p1.start()
    p1.join()
    print(mq.get())

2、pipe 实现进程间通信（一边发送send(obj),一边接收(obj)）

from multiprocessing import process,current_process,pipe
import os
def func(name,con):
    print('进程id {} 获取了数据：{}'.format(os.getpid(),con.recv()))
    con.send('你好！')
if __name__ == "__main__":
    # print('进程id:{}'.format(current_process().pid))
    con1,con2 = pipe()
    p1 = process(target=func,args=('p1',con1))
    p1.start()
    con2.send("hello!")
    p1.join()
    print(con2.recv())

四、manager管理器

管理器提供了一种创建共享数据的方法，从而可以在不同进程*享

from multiprocessing import process,current_process
import os
from multiprocessing import manager
def func(name,m_list,m_dict):
    print('子进程id {} 获取了数据：{}'.format(os.getpid(),m_list))
    print('子进程id {} 获取了数据：{}'.format(os.getpid(),m_dict))
    m_list.append('你好')
    m_dict['name'] = 'shiyi'    
if __name__ == "__main__":
    print('主进程id:{}'.format(current_process().pid))
    with manager() as mgr:
        m_list = mgr.list()
        m_dict = mgr.dict()
        m_list.append('hello!!')
        p1 = process(target=func,args=('p1',m_list,m_dict))
        p1.start()
        p1.join()
        print(m_list)
        print(m_dict)

五、进程池

python 提供了更好的管理多个进程的方式，就是使用进程池。

进程池可以提供指定数量的进程给用户使用，即当有新的请求提交到进程池中时，如果池 未满，则会创建一个新的进程用来执行该请求；反之，如果池中的进程数已经达到规定最大 值，那么该请求就会等待，只要池中有进程空闲下来，该请求就能得到执行。

使用进程池的优点

1. 提高效率，节省开辟进程和开辟内存空间的时间及销毁进程的时间

2. 节省内存空间

类/方法	功能	参数
pool(processes)	创建进程池对象	processes 表示进程池 中有多少进程
pool.apply_async(func,a rgs,kwds)	异步执行 ；将事件放入到进 程池队列	func 事件函数 args 以元组形式给 func 传参 kwds 以字典形式给 func 传参 返回值：返 回一个代表进程池事件的对 象，通过返回值的 get 方法 可以得到事件函数的返回值
pool.apply(func,args,kw ds)	同步执行；将事件放入到进程 池队列	func 事件函数 args 以 元组形式给 func 传参 kwds 以字典形式给 func 传参
pool.close()	关闭进程池
pool.join()	回收进程池
pool.map(func,iter)	类似于 python 的 map 函 数，将要做的事件放入进程池	func 要执行的函数 iter 迭代对象

from multiprocessing import pool
import os
from time import sleep
def func1(name):
    print(f"当前进程的id:{os.getpid()},{name}")
    sleep(2)
    return name
def func2(args):
    print(args)
if __name__ == "__main__":
    pool = pool(5)
    pool.apply_async(func = func1,args=('t1',),callback=func2)
    pool.apply_async(func = func1,args=('t2',),callback=func2)
    pool.apply_async(func = func1,args=('t3',),callback=func2)
    pool.apply_async(func = func1,args=('t4',))
    pool.apply_async(func = func1,args=('t5',))
    pool.apply_async(func = func1,args=('t6',))
    pool.close()
    pool.join()

from multiprocessing import pool
import os
from time import sleep
def func1(name):
    print(f"当前进程的id:{os.getpid()},{name}")
    sleep(2)
    return name
if __name__ == "__main__":
   with pool(5) as pool:
        args = pool.map(func1,('t1,','t2,','t3,','t4,','t5,','t6,','t7,','t8,'))
        for a in args:
            print(a)

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注的更多内容!