初步解析Python下的多进程编程
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:
#multiprocessing.py importos print'Process(%s)start...'%os.getpid() pid=os.fork() ifpid==0: print'Iamchildprocess(%s)andmyparentis%s.'%(os.getpid(),os.getppid()) else: print'I(%s)justcreatedachildprocess(%s).'%(os.getpid(),pid)
运行结果如下:
Process(876)start... I(876)justcreatedachildprocess(877). Iamchildprocess(877)andmyparentis876.
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:
frommultiprocessingimportProcess importos #子进程要执行的代码 defrun_proc(name): print'Runchildprocess%s(%s)...'%(name,os.getpid()) if__name__=='__main__': print'Parentprocess%s.'%os.getpid() p=Process(target=run_proc,args=('test',)) print'Processwillstart.' p.start() p.join() print'Processend.'
执行结果如下:
Parentprocess928. Processwillstart. Runchildprocesstest(929)... Processend.
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:
frommultiprocessingimportPool importos,time,random deflong_time_task(name): print'Runtask%s(%s)...'%(name,os.getpid()) start=time.time() time.sleep(random.random()*3) end=time.time() print'Task%sruns%0.2fseconds.'%(name,(end-start)) if__name__=='__main__': print'Parentprocess%s.'%os.getpid() p=Pool() foriinrange(5): p.apply_async(long_time_task,args=(i,)) print'Waitingforallsubprocessesdone...' p.close() p.join() print'Allsubprocessesdone.'
执行结果如下:
Parentprocess669. Waitingforallsubprocessesdone... Runtask0(671)... Runtask1(672)... Runtask2(673)... Runtask3(674)... Task2runs0.14seconds. Runtask4(673)... Task1runs0.27seconds. Task3runs0.86seconds. Task0runs1.41seconds. Task4runs1.91seconds. Allsubprocessesdone.
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,task0,1,2,3是立刻执行的,而task4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。
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:
frommultiprocessingimportProcess,Queue importos,time,random #写数据进程执行的代码: defwrite(q): forvaluein['A','B','C']: print'Put%stoqueue...'%value q.put(value) time.sleep(random.random()) #读数据进程执行的代码: defread(q): whileTrue: value=q.get(True) print'Get%sfromqueue.'%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:
PutAtoqueue... GetAfromqueue. PutBtoqueue... GetBfromqueue. PutCtoqueue... GetCfromqueue.
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。