multiprocessing
multiprocessing是Python标准库中的一个模块，用于实现多进程编程。它提供了一种简单而高效的方式来利用多核处理器的能力，通过在多个进程中同时执行任务，加快程序的执行速度和提高系统的吞吐量。
下面是使用multiprocessing模块的一些常见操作：
- 创建进程：
- 使用Process类创建进程对象，指定要执行的函数或方法。
- 使用Process类的start()方法启动进程。
- 进程间通信：
- 使用Queue类实现进程间的队列通信。
- 使用Pipe类实现进程间的管道通信。
- 使用共享内存（Value和Array）实现进程间的数据共享。
- 进程管理：
- 使用Process类的join()方法等待进程结束。
- 使用Process类的terminate()方法终止进程。
process
multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)
参数介绍：
- group默认为None（目前未使用）
- target代表调用对象，即子进程执行的任务
- name为进程名称
- args调用对象的位置参数元组，args=(value1, value2, …)
- kwargs调用对象的字典，kwargs={key1:value1, key2:value2, …}
- daemon表示进程是否为守护进程，布尔值
方法介绍：
- Process.start() 启动进程，并调用子进程中的run()方法
- Process.run() 进程启动时运行的方法，在自定义时必须要实现该方法
- Process.terminate() 强制终止进程，不进行清理操作，如果Process创建了子进程，会导致该进程变成僵尸进程
- Process.join() 阻塞进程使主进程等待该进程终止
- Process.kill() 与terminate()相同
- Process.is_alive() 判断进程是否还存活，如果存活，返回True
- Process.close() 关闭进程对象，并清理资源，如果进程仍在运行则返回错误
multiprocessing.Queue()
multiprocessing.Queue()是multiprocessing模块中的一个类，用于实现进程间通信的队列（Queue）。它提供了一种安全的方式，让多个进程之间可以共享数据。multiprocessing.Queue()类的主要特点包括：
安全性：multiprocessing.Queue()是线程安全的，可以在多个进程中同时使用，而无需担心数据竞争或不一致性问题。
先进先出（FIFO）：它遵循先进先出的原则，保证了添加到队列中的元素按照添加的顺序被取出。
阻塞操作：当队列为空时，使用get()方法从队列中获取元素会阻塞进程，直到队列中有可用的元素。当队列满时，使用put()方法向队列中添加元素会阻塞进程，直到队列有空闲空间。
import multiprocessing
def worker(queue):
data = queue.get() # 从队列中获取数据
# 处理数据
if __name__ == '__main__':
queue = multiprocessing.Queue()
process = multiprocessing.Process(target=worker, args=(queue,))
process.start()
queue.put(data) # 向队列中添加数据
process.join()
在上面的示例中，首先创建了一个multiprocessing.Queue()对象，然后将该队列对象作为参数传递给子进程的worker()函数。在子进程中，使用get()方法从队列中获取数据进行处理。在主进程中，使用put()方法向队列中添加数据。通过使用multiprocessing.Queue()，可以让多个进程之间安全地传递数据，实现进程间的通信和协作。这对于并行计算、任务分发和处理等场景非常有用。
拿之前的点点带宽举例
七个节点不重复取两个，C72也就是21组，即21次循环，每次循环sleep5秒，串行就是21x5=105秒，21个线程并行5秒。
import multiprocessing
import time
import random
def get_oobw_parallel(node_names):
results = []
for i in range(0, len(node_names) - 1):
for j in range(i + 1, len(node_names)):
result = get_oobw(node_names[i], node_names[j])
results.append(result)
return results
def get_oobw(node_name1, node_name2):
# 执行 get_oobw 的逻辑
# ...
time.sleep(5)
latency, bandwidth = round(random.uniform(100.0, 200.0), 4), round(random.uniform(100.0, 200.0), 4)
result = (node_name1, node_name2, latency, bandwidth)
return result
start_time = time.time()
node_names = ["cn1", "cn2", "cn3", "cn4", "cn5", "cn6", "cn7"] # 填入你的节点名称列表
results = get_oobw_parallel(node_names)
for result in results:
node_name1, node_name2, latency, bandwidth = result
print(node_name1, node_name2, latency, bandwidth)
end_time = time.time()
# 计算执行时间
execution_time = end_time - start_time
print("程序执行时间：", execution_time, "秒")
import multiprocessing
import time
import random
def get_oobw_parallel(node_names):
results = []
processes = []
result_queue = multiprocessing.Queue()
for i in range(0, len(node_names) - 1):
for j in range(i + 1, len(node_names)):
process = multiprocessing.Process(target=get_oobw, args=(node_names[i], node_names[j], result_queue))
process.start()
processes.append(process)
for process in processes:
process.join()
while not result_queue.empty():
result = result_queue.get()
results.append(result)
return results
def get_oobw(node_name1, node_name2, result_queue):
# 执行 get_oobw 的逻辑
# ...
time.sleep(5)
latency, bandwidth = round(random.uniform(100.0, 200.0), 4), round(random.uniform(100.0, 200.0), 4)
result = (node_name1, node_name2, latency, bandwidth)
result_queue.put(result)
# return latency, bandwidth
start_time = time.time()
node_names = ["cn1", "cn2", "cn3", "cn4", "cn5", "cn6", "cn7"] # 填入你的节点名称列表
results = get_oobw_parallel(node_names)
for result in results:
node_name1, node_name2, latency, bandwidth = result
print(node_name1, node_name2, latency, bandwidth)
end_time = time.time()
# 计算执行时间
execution_time = end_time - start_time
print("程序执行时间：", execution_time, "秒")
