Python多进程原理与用法分析
本文实例讲述了Python多进程原理与用法。分享给大家供大家参考，具体如下：
进程是程序在计算机上的一次执行活动。当你运行一个程序，你就启动了一个进程。显然，程序是死的(静态的)，进程是活的(动态的)。进程可以分为系统进程和用户进程。凡是用于完成操作系统的各种功能的进程就是系统进程，它们就是处于运行状态下的操作系统本身；所有由你启动的进程都是用户进程。进程是操作系统进行资源分配的单位。
开启一个进程
import multiprocessing,time,os
def runtask():
time.sleep(2)
print("开启一个进程:%s"%os.getpid())
if __name__ == "__main__":
p = multiprocessing.Process(target=runtask,)
p.start()
进程队列
import multiprocessing def runtask(): q.put([42,"python"]) if __name__ == "__main__": q = multiprocessing.Queue() p = multiprocessing.Process(target=runtask,) p.start() print(q.get()) # 打印结果:[42,"python"]
pipe管道
返回两个连接对象。代表管道的两端，默认双向通信。
import multiprocessing
def runtask():
conn.send("abc")
conn.close()
if __name__ == "__main__":
conn,pconn = multiprocessing.Pipe()
p = multiprocessing.Process()
p.start()
print(pconn.recv()) # 打印结果:"abc"
Value、Array
共享内存有两个结构，一个是Value，一个是Array，这两个结构内部都实现了锁机制，因此进程是安全的。
import multiprocess
def runtask():
d.value = 50
for index in range(len(a)):
a[index]+=10
if __name__ == "__main__":
# 下面的字符"d"、"i"似乎是固定的，换成其他将会报错。求大神解释
d = Value("d",20)
a = Array("i",range(10))
p = multiprocessing.Process(target=runtask,)
p.start()
p.join() # 等待进程执行完毕
print(d.value,a[:]) # 打印结果: 50.0 [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
Manager
Python实现多进程之间通信除了Queue(队列)、Pipe(管道)和Value-Array之外，还提供了更高层次的封装。Manager支持的类型非常多，如：list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Queue, Value 和 Array 用法如下：
import multiprocessing
def runtask():
d["name"] = "laowang"
l.reverse()
if __name__ == "__main__":
with multiprocessing.Manager() as manager:
d = manager.dict()
l = manager.list(range(10))
p = multiprocessing.Process(target=runtask,)
p.start()
p.join() # 等待进程执行完毕
print(d,l) # 打印结果:{'name': 'laowang'} [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
进程池Pool
Pool 是进程池，进程池能够管理一定的进程，当有空闲进程时，则利用空闲进程完成任务，直到所有任务完成为止
import multiprocessing
def runtask():
pass
def callBackTask(arg): # 回调函数必须要有一个形参，否则将报错
print("执行回调函数",arg)
if __name__ == "__main__":
pool = multiprocessing.Pool(5) # 设置进程池最大同时执行进程数
for index in range(20):
pool.apply_async(func=runtask,callback=callBackTask) # 并行的,有回调方法
# pool.apply(func=runtask,) # 串行的，无回调函数
pool.close() # 关闭进程池
pool.join() # #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
执行结果:apply方法效果为一个进行接一个进程的执行，而apply_async是同时有5个进程在执行。
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 Socket编程技巧总结》、《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》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。