Python實現(xiàn)多任務(wù)進程示例
一、進程介紹
進程：正在執(zhí)行的程序，由程序、數(shù)據(jù)和進程控制塊組成，是正在執(zhí)行的程序，程序的一次執(zhí)行過程，是資源調(diào)度的基本單位。
程序：沒有執(zhí)行的代碼，是一個靜態(tài)的。
二、線程和進程之間的對比
由圖可知：此時電腦有 9 個應(yīng)用進程，但是一個進程又會對應(yīng)于多個線程，可以得出結(jié)論：
進程：能夠完成多任務(wù)，一臺電腦上可以同時運行多個 QQ
線程：能夠完成多任務(wù)，一個 QQ 中的多個聊天窗口
根本區(qū)別：進程是操作系統(tǒng)資源分配的基本單位，而線程是任務(wù)調(diào)度和執(zhí)行的基本單位.
使用多進程的優(yōu)勢:
1、擁有獨立GIL:
首先由于進程中 GIL 的存在，Python 中的多線程并不能很好地發(fā)揮多核優(yōu)勢，一個進程中的多個線程，在同 一時刻只能有一個線程運行。而對于多進程來說，每個進程都有屬于自己的 GIL，所以，在多核處理器下，多進程的運行是不會受 GIL的影響的。因此，多進 程能更好地發(fā)揮多核的優(yōu)勢。
2、效率高
當然，對于爬蟲這種 IO 密集型任務(wù)來說，多線程和多進程影響差別并不大。對于計算密集型任務(wù)來說，Python 的多進程相比多線 程，其多核運行效率會有成倍的提升。
三、Python 實現(xiàn)多進程
我們先用一個實例來感受一下：
1、使用 process 類
import multiprocessing
def process(index):
print(f'Process: {index}')
if __name__ == '__main__':
for i in range(5):
p = multiprocessing.Process(target=process, args=(i,))p.start這是一個實現(xiàn)多進程最基礎(chǔ)的方式：通過創(chuàng)建 Process 來新建一個子進程，其中 target 參數(shù)傳入方法名，args 是方法的參數(shù)，是以 元組的形式傳入，其和被調(diào)用的方法 process 的參數(shù)是一一對應(yīng)的。
注意：這里 args 必須要是一個元組，如果只有一個參數(shù)，那也要在元組第一個元素后面加一個逗號，如果沒有逗號則 和單個元素本身沒有區(qū)別，無法構(gòu)成元組，導(dǎo)致參數(shù)傳遞出現(xiàn)問題。創(chuàng)建完進程之后，我們通過調(diào)用 start 方法即可啟動進程了。
運行結(jié)果如下：
Process: 0 Process: 1 Process: 2 Process: 3 Process: 4
可以看到，我們運行了 5 個子進程，每個進程都調(diào)用了 process 方法。process 方法的 index 參數(shù)通過 Process 的 args 傳入，分別是 0~4 這 5 個序號，最后打印出來，5 個子進程運行結(jié)束。
2、繼承 process 類
from multiprocessing import Process
import timeclass MyProcess(Process):
def __init__(self,loop):
Process.__init__(self)
self.loop = loop
def run(self):
for count in range(self.loop):
time.sleep(1)
print(f'Pid:{self.pid} LoopCount: {count}')
if __name__ == '__main__':
for i in range(2,5):
p = MyProcess(i)
p.start我們首先聲明了一個構(gòu)造方法，這個方法接收一個 loop 參數(shù)，代表循環(huán)次數(shù)，并將其設(shè)置為全局變量。在 run方法中，又使用這 個 loop 變量循環(huán)了 loop 次并打印了當前的進程號和循環(huán)次數(shù)。
在調(diào)用時，我們用 range 方法得到了 2、3、4 三個數(shù)字，并把它們分別初始化了 MyProcess 進程，然后調(diào)用 start 方法將進程啟動起 來。
注意：這里進程的執(zhí)行邏輯需要在 run 方法中實現(xiàn)，啟動進程需要調(diào)用 start 方法，調(diào)用之后 run 方法便會執(zhí)行。
運行結(jié)果如下：
Pid:12976 LoopCount: 0 Pid:15012 LoopCount: 0 Pid:11976 LoopCount: 0 Pid:12976 LoopCount: 1 Pid:15012 LoopCount: 1 Pid:11976 LoopCount: 1 Pid:15012 LoopCount: 2 Pid:11976 LoopCount: 2 Pid:11976 LoopCount: 3
注意，這里的進程 pid 代表進程號，不同機器、不同時刻運行結(jié)果可能不同。
四、進程之間的通信
1、Queue-隊列 先進先出
from multiprocessing import Queue
import multiprocessing
def download(p): # 下載數(shù)據(jù)
lst = [11,22,33,44]
for item in lst:
p.put(item)print('數(shù)據(jù)已經(jīng)下載成功....')
def savedata(p):
lst =
while True:
data = p.getlst.append(data)if p.empty:
breakprint(lst)def main:p1 = Queuet1 = multiprocessing.Process(target=download,args=(p1,))t2 = multiprocessing.Process(target=savedata,args=(p1,))t1.startt2.startif __name__ == '__main__':
main數(shù)據(jù)已經(jīng)下載成功.... [11, 22, 33, 44]
2、共享全局變量不適用于多進程編程
import multiprocessing a = 1 def demo1: global a a += 1 def demo2: print(a)def main: t1 = multiprocessing.Process(target=demo1)t2 = multiprocessing.Process(target=demo2)t1.startt2.startif __name__ == '__main__': main
運行結(jié)果:
1
有結(jié)果可知：全局變量不共享；
五、進程池之間的通信
1、進程池引入
當需要創(chuàng)建的子進程數(shù)量不多時，可以直接利用 multiprocessing 中的 Process 動態(tài)生成多個進程，但是如果是上百甚至上千個目標，手動的去創(chuàng)建的進程的工作量巨大，此時就可以用到 multiprocessing 模塊提供的 Pool 方法。
from multiprocessing import Pool
import os,time,random
def worker(a):t_start = time.time
print('%s開始執(zhí)行,進程號為%d'%(a,os.getpid))
time.sleep(random.random*2)
t_stop = time.time
print(a,"執(zhí)行完成,耗時%0.2f"%(t_stop-t_start))
if __name__ == '__main__':
po = Pool(3) # 定義一個進程池
for i in range(0,10):
po.apply_async(worker,(i,)) # 向進程池中添加worker的任務(wù)print("--start--")
po.closepo.joinprint("--end--")運行結(jié)果:
--start-- 0開始執(zhí)行,進程號為6664 1開始執(zhí)行,進程號為47722開始執(zhí)行,進程號為132560 執(zhí)行完成,耗時0.18 3開始執(zhí)行,進程號為6664 2 執(zhí)行完成,耗時0.16 4開始執(zhí)行,進程號為13256 1 執(zhí)行完成,耗時0.67 5開始執(zhí)行,進程號為4772 4 執(zhí)行完成,耗時0.87 6開始執(zhí)行,進程號為13256 3 執(zhí)行完成,耗時1.59 7開始執(zhí)行,進程號為6664 5 執(zhí)行完成,耗時1.15 8開始執(zhí)行,進程號為4772 7 執(zhí)行完成,耗時0.40 9開始執(zhí)行,進程號為6664 6 執(zhí)行完成,耗時1.80 8 執(zhí)行完成,耗時1.49 9 執(zhí)行完成,耗時1.36 --end--
一個進程池只能容納 3 個進程，執(zhí)行完成才能添加新的任務(wù)，在不斷的打開與釋放的過程中循環(huán)往復(fù)。
六、案例:文件批量復(fù)制
操作思路:
獲取要復(fù)制文件夾的名字
創(chuàng)建一個新的文件夾
獲取文件夾里面所有待復(fù)制的文件名
創(chuàng)建進程池
向進程池添加任務(wù)
代碼如下:
導(dǎo)包
import multiprocessing import osimport time
定制文件復(fù)制函數(shù)
def copy_file(Q,oldfolderName,newfolderName,file_name):
# 文件復(fù)制,不需要返回time.sleep(0.5)
# print('\r從%s文件夾復(fù)制到%s文件夾的%s文件'%(oldfolderName,newfolderName,file_name),end='')
old_file = open(oldfolderName + '/' + file_name,'rb') # 待復(fù)制文件
content = old_file.readold_file.closenew_file = open(newfolderName + '/' + file_name,'wb') # 復(fù)制出的新文件
new_file.write(content)
new_file.closeQ.put(file_name) # 向Q隊列中添加文件定義主函數(shù)
def main:
oldfolderName = input('請輸入要復(fù)制的文件夾名字:') # 步驟1獲取要復(fù)制文件夾的名字(可以手動創(chuàng)建,也可以通過代碼創(chuàng)建,這里我們手動創(chuàng)建)
newfolderName = oldfolderName + '復(fù)件'
# 步驟二 創(chuàng)建一個新的文件夾if not os.path.exists(newfolderName):
os.mkdir(newfolderName)
filenames = os.listdir(oldfolderName) # 3.獲取文件夾里面所有待復(fù)制的文件名
# print(filenames)
pool = multiprocessing.Pool(5) # 4.創(chuàng)建進程池
Q = multiprocessing.Manager.Queue # 創(chuàng)建隊列,進行通信for file_name in filenames:
pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向進程池添加任務(wù)
po.closecopy_file_num = 0
file_count = len(filenames)
# 不知道什么時候完成,所以定義一個死循環(huán)while True:
file_name = Q.getcopy_file_num += 1
time.sleep(0.2)
print('\r拷貝進度%.2f %%'%(copy_file_num * 100/file_count),end='') # 做一個拷貝進度條
if copy_file_num >= file_count:
break程序運行
if __name__ == '__main__': main
運行結(jié)果如下圖所示：
運行前后文件目錄結(jié)構(gòu)對比
運行前
運行后
到此這篇關(guān)于Python實現(xiàn)多任務(wù)進程示例的文章就介紹到這了,更多相關(guān)Python多任務(wù)進程內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信