Python高级编程之消息队列(Queue)与进程池(Pool)实例详解
本文实例讲述了Python高级编程之消息队列(Queue)与进程池(Pool)。分享给大家供大家参考，具体如下：
Queue消息队列
1.创建
import multiprocessing queue = multiprocessing.Queue(队列长度)
2.方法
| 方法 | 描述 |
|---|---|
| put | 变量名.put(数据)，放入数据(如队列已满，则程序进入阻塞状态，等待队列取出后再放入) |
| put_nowait | 变量名.put_nowati(数据)，放入数据(如队列已满，则不等待队列信息取出后再放入，直接报错) |
| get | 变量名.get(数据)，取出数据(如队列为空，则程序进入阻塞状态，等待队列防如数据后再取出) |
| get_nowait | 变量名.get_nowait(数据)，取出数据(如队列为空，则不等待队列放入信息后取出数据，直接报错)，放入数据后立马判断是否为空有时为True，原因是放入值和判断同时进行 |
| qsize | 变量名.qsize()，消息数量 |
| empty | 变量名.empty()(返回值为True或False)，判断是否为空 |
| full | 变量名.full()(返回值为True或False)，判断是否为满 |
3.进程通信
因为进程间不共享全局变量，所以使用Queue进行数据通信，可以在父进程中创建两个字进程，一个往Queue里写数据，一个从Queue里取出数据。
例：
import multiprocessing
import time
def write_queue(queue):
# 循环写入数据
for i in range(10):
if queue.full():
print("队列已满!")
break
# 向队列中放入消息
queue.put(i)
print(i)
time.sleep(0.5)
def read_queue(queue):
# 循环读取队列消息
while True:
# 队列为空，停止读取
if queue.empty():
print("---队列已空---")
break
# 读取消息并输出
result = queue.get()
print(result)
if __name__ == '__main__':
# 创建消息队列
queue = multiprocessing.Queue(3)
# 创建子进程
p1 = multiprocessing.Process(target=write_queue, args=(queue,))
p1.start()
# 等待p1写数据进程执行结束后，再往下执行
p1.join()
p1 = multiprocessing.Process(target=read_queue, args=(queue,))
p1.start()
执行结果：
Pool进程池
初始化Pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务。
1.创建
import multiprocessing pool = multiprocessing.Pool(最大进程数)
2.方法
| 方法 | 描述 |
|---|---|
| apply() | 以同步方式添加进程 |
| apply_async() | 以异步方式添加进程 |
| close() | 关闭Pool，使其不接受新任务（还可以使用） |
| terminate() | 不管任务是否完成，立即终止 |
| join() | 主进程阻塞，等待子进程的退出，必须在close和terminate后使用 |
3.进程池内通信
创建进程池内Queue消息队列通信
import multiprocessing Queue：queue = multiprocessing.Manager().Queue()
例：
import multiprocessing import time
写入数据的方法
def write_data(queue):
# for循环 向消息队列中写入值
for i in range(5):
# 添加消息
queue.put(i)
print(i)
time.sleep(0.2)
print("队列已满~")
创建读取数据的方法
def read_data(queue):
# 循环读取数据
while True:
# 判断队列是否为空
if queue.qsize() == 0:
print("队列为空～")
break
# 从队列中读取数据
result = queue.get()
print(result)
if __name__ == '__main__':
# 创建进程池
pool = multiprocessing.Pool(2)
# 创建进程池队列
queue = multiprocessing.Manager().Queue()
# 在进程池中的进程间进行通信
# 使用线程池同步的方式，先写后读
# pool.apply(write_data, (queue, ))
# pool.apply(read_data, (queue, ))
# apply_async() 返回ApplyResult 对象
result = pool.apply_async(write_data, (queue, ))
# ApplyResult对象的wait() 方法，表示后续进程必须等待当前进程执行完再继续
result.wait()
pool.apply_async(read_data, (queue, ))
pool.close()
# 异步后，主线程不再等待子进程执行结束，再结束
# join() 后，表示主线程会等待子进程执行结束后，再结束
pool.join()
运行结果：
4.案例(文件夹copy器)
代码：
# 导入模块
import os
import multiprocessing
# 拷贝文件函数
def copy_dir(file_name, source_dir, desk_dir):
# 要拷贝的文件路径
source_path = source_dir+'/'+file_name
# 目标路径
desk_path = desk_dir+'/'+file_name
# 获取文件大小
file_size = os.path.getsize(source_path)
# 记录拷贝次数
i = 0
# 以二进制度读方式打开原文件
with open(source_path, "rb") as source_file:
# 以二进制写入方式创建并打开目标文件
with open(desk_path, "wb") as desk_file:
# 循环写入
while True:
# 读取1024字节
file_data = source_file.read(1024)
# 如果读到的不为空，则将读到的写入目标文件
if file_data:
desk_file.write(file_data)
# 读取次数+1
i += 1
# 拷贝百分比进度等于拷贝次数*1024*100/文件大小
n = i*102400/file_size
if n >= 100:
n = 100
print(file_name, "拷贝进度%.2f%%" % n)
else:
print(file_name, "拷贝成功")
break
if __name__ == '__main__':
# 要拷贝的文件夹
source_dir = 'test'
# 要拷贝到的路径
desk_dir = 'C:/Users/Administrator/Desktop/'+source_dir
# 存在文件夹则不创建
try:
os.mkdir(desk_dir)
except:
print("目标文件夹已存在，未创建")
# 获取文件夹内文件目录，存到列表里
file_list = os.listdir(source_dir)
print(file_list)
# 创建进程池，最多同时运行3个子进程
pool = multiprocessing.Pool(3)
for file_name in file_list:
# 异步方式添加到进程池内
pool.apply_async(copy_dir, args=(file_name, source_dir, desk_dir))
# 关闭进程池(停止添加，已添加的还可运行)
pool.close()
# 让主进程阻塞，等待子进程结束
pool.join()
运行结果：
更多关于Python相关内容感兴趣的读者可查看本站专题：《Python进程与线程操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》、《Python+MySQL数据库程序设计入门教程》及《Python常见数据库操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
