多进程
最后更新于:2022-04-01 01:14:33
要让Python程序实现多进程(multiprocessing),我们先了解操作系统的相关知识。
Unix/Linux操作系统提供了一个`fork()`系统调用,它非常特殊。普通的函数调用,调用一次,返回一次,但是`fork()`调用一次,返回两次,因为操作系统自动把当前进程(称为父进程)复制了一份(称为子进程),然后,分别在父进程和子进程内返回。
子进程永远返回`0`,而父进程返回子进程的ID。这样做的理由是,一个父进程可以fork出很多子进程,所以,父进程要记下每个子进程的ID,而子进程只需要调用`getppid()`就可以拿到父进程的ID。
Python的`os`模块封装了常见的系统调用,其中就包括`fork`,可以在Python程序中轻松创建子进程:
~~~
import os
print('Process (%s) start...' % os.getpid())
# Only works on Unix/Linux/Mac:
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))
~~~
运行结果如下:
~~~
Process (876) start...
I (876) just created a child process (877).
I am child process (877) and my parent is 876.
~~~
由于Windows没有`fork`调用,上面的代码在Windows上无法运行。由于Mac系统是基于BSD(Unix的一种)内核,所以,在Mac下运行是没有问题的,推荐大家用Mac学Python!
有了`fork`调用,一个进程在接到新任务时就可以复制出一个子进程来处理新任务,常见的Apache服务器就是由父进程监听端口,每当有新的http请求时,就fork出子进程来处理新的http请求。
### multiprocessing
如果你打算编写多进程的服务程序,Unix/Linux无疑是正确的选择。由于Windows没有`fork`调用,难道在Windows上无法用Python编写多进程的程序?
由于Python是跨平台的,自然也应该提供一个跨平台的多进程支持。`multiprocessing`模块就是跨平台版本的多进程模块。
`multiprocessing`模块提供了一个`Process`类来代表一个进程对象,下面的例子演示了启动一个子进程并等待其结束:
~~~
from multiprocessing import Process
import os
# 子进程要执行的代码
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('Child process will start.')
p.start()
p.join()
print('Child process end.')
~~~
执行结果如下:
~~~
Parent process 928.
Process will start.
Run child process test (929)...
Process end.
~~~
创建子进程时,只需要传入一个执行函数和函数的参数,创建一个`Process`实例,用`start()`方法启动,这样创建进程比`fork()`还要简单。
`join()`方法可以等待子进程结束后再继续往下运行,通常用于进程间的同步。
### Pool
如果要启动大量的子进程,可以用进程池的方式批量创建子进程:
~~~
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(4)
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.')
~~~
执行结果如下:
~~~
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.
~~~
代码解读:
对`Pool`对象调用`join()`方法会等待所有子进程执行完毕,调用`join()`之前必须先调用`close()`,调用`close()`之后就不能继续添加新的`Process`了。
请注意输出的结果,task `0`,`1`,`2`,`3`是立刻执行的,而task `4`要等待前面某个task完成后才执行,这是因为`Pool`的默认大小在我的电脑上是4,因此,最多同时执行4个进程。这是`Pool`有意设计的限制,并不是操作系统的限制。如果改成:
~~~
p = Pool(5)
~~~
就可以同时跑5个进程。
由于`Pool`的默认大小是CPU的核数,如果你不幸拥有8核CPU,你要提交至少9个子进程才能看到上面的等待效果。
### 子进程
很多时候,子进程并不是自身,而是一个外部进程。我们创建了子进程后,还需要控制子进程的输入和输出。
`subprocess`模块可以让我们非常方便地启动一个子进程,然后控制其输入和输出。
下面的例子演示了如何在Python代码中运行命令`nslookup www.python.org`,这和命令行直接运行的效果是一样的:
~~~
import subprocess
print('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
~~~
运行结果:
~~~
$ nslookup www.python.org
Server: 192.168.19.4
Address: 192.168.19.4#53
Non-authoritative answer:
www.python.org canonical name = python.map.fastly.net.
Name: python.map.fastly.net
Address: 199.27.79.223
Exit code: 0
~~~
如果子进程还需要输入,则可以通过`communicate()`方法输入:
~~~
import subprocess
print('$ nslookup')
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
print(output.decode('utf-8'))
print('Exit code:', p.returncode)
~~~
上面的代码相当于在命令行执行命令`nslookup`,然后手动输入:
~~~
set q=mx
python.org
exit
~~~
运行结果如下:
~~~
$ nslookup
Server: 192.168.19.4
Address: 192.168.19.4#53
Non-authoritative answer:
python.org mail exchanger = 50 mail.python.org.
Authoritative answers can be found from:
mail.python.org internet address = 82.94.164.166
mail.python.org has AAAA address 2001:888:2000:d::a6
Exit code: 0
~~~
### 进程间通信
`Process`之间肯定是需要通信的,操作系统提供了很多机制来实现进程间的通信。Python的`multiprocessing`模块包装了底层的机制,提供了`Queue`、`Pipes`等多种方式来交换数据。
我们以`Queue`为例,在父进程中创建两个子进程,一个往`Queue`里写数据,一个从`Queue`里读数据:
~~~
from multiprocessing import Process, Queue
import os, time, random
# 写数据进程执行的代码:
def write(q):
print('Process to write: %s' % os.getpid())
for value in ['A', 'B', 'C']:
print('Put %s to queue...' % value)
q.put(value)
time.sleep(random.random())
# 读数据进程执行的代码:
def read(q):
print('Process to read: %s' % os.getpid())
while True:
value = q.get(True)
print('Get %s from queue.' % value)
if __name__=='__main__':
# 父进程创建Queue,并传给各个子进程:
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 启动子进程pw,写入:
pw.start()
# 启动子进程pr,读取:
pr.start()
# 等待pw结束:
pw.join()
# pr进程里是死循环,无法等待其结束,只能强行终止:
pr.terminate()
~~~
运行结果如下:
~~~
Process to write: 50563
Put A to queue...
Process to read: 50564
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`模块封装了`fork()`调用,使我们不需要关注`fork()`的细节。由于Windows没有`fork`调用,因此,`multiprocessing`需要“模拟”出`fork`的效果,父进程所有Python对象都必须通过pickle序列化再传到子进程去,所有,如果`multiprocessing`在Windows下调用失败了,要先考虑是不是pickle失败了。
### 小结
在Unix/Linux下,可以使用`fork()`调用实现多进程。
要实现跨平台的多进程,可以使用`multiprocessing`模块。
进程间通信是通过`Queue`、`Pipes`等实现的。
### 参考源码
[do_folk.py](https://github.com/michaelliao/learn-python3/blob/master/samples/multitask/do_folk.py)
[multi_processing.py](https://github.com/michaelliao/learn-python3/blob/master/samples/multitask/multi_processing.py)
[pooled_processing.py](https://github.com/michaelliao/learn-python3/blob/master/samples/multitask/pooled_processing.py)
[do_subprocess.py](https://github.com/michaelliao/learn-python3/blob/master/samples/multitask/do_subprocess.py)
[do_queue.py](https://github.com/michaelliao/learn-python3/blob/master/samples/multitask/do_queue.py)