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)
';