Python运维之多进程！！

本节的快速导航目录如下喔！！！

一、创建进程的类Process

二、进程并发控制之Semaphore

三、进程同步之Lock

四、进程同步之Event

五、进程优先队列Queue

六、多进程之进程池Pool

七、多进程之数据交换Pipe

一、创建进程的类Process

multiprocessing模块提供了一个创建进程的类Process，创建进程有两种方法：

• 创建一个类的实例Process，并指定任务目标函数

• 自定义一个类并继承Process类，重写其init()方法和run方法

第一种方法：

 import os
 import time
 from multiprocessing import Process
 ​
 # 字进程要执行的代码：数据累加耗时函数
 def task_process(delay):
     num = 0
     for i in range(delay * 10000000):
         num += i
     print(f"进程pid为{os.getpid()},执行完成")
 ​
 ​
 if __name__ == '__main__':
     print('父进程pid为 %s.' % os.getpid())
     t0 = time.time()
     # 单进程执行
     task_process(3)
     task_process(3)
     t1 = time.time()
     print(f"顺序执行耗时{t1 - t0}")
     p0 = Process(target=task_process, args=(3,))
     p1 = Process(target=task_process, args=(4,))
     t2 = time.time()
     # 双进程并行执行
     p0.start();p1.start()
     p0.join();p1.join()
     t3 = time.time()
     print(f"多进程并发执行耗时{t3 - t2}")
 # 发现多进程执行相同的操作次数耗时更少

第二种方法（重写方法）：

 # -*- coding: UTF-8 -*-
 import os
 import time
 from multiprocessing import Process
 ​
 class MyProcess(Process):
     def __init__(self, delay):
         super().__init__()
         self.delay = delay
 ​
     # 子进程要执行代码
     def run(self):
         num = 0
         for i in range(self.delay * 10000000):
             num += i
         print(f"进程pid为{os.getpid()},执行完成")
 ​
 if __name__ == '__main__':
     print('父进程pid为 %s.' % os.getpid())
     p0 = MyProcess(3)
     p1 = MyProcess(3)
     t0 = time.time()
     p0.start()
     p1.start()
     p0.join()
     p1.join()
     t1 = time.time()
     print(f"多进程并发执行耗时{t1 - t0}")

Process类的构造函数原型：

 class multiprocessing.Process(group=None,target=None,name=None,args=(),kwargs={},*,daemon=None)
 ​
 '''参数说明如下：
  Target：表示调用对象，一般为函数，也可以为类。
  Args：表示调用对象的位置参数元组
  Kwargs：为进程调用对象的字典
  Name：为进程的别名
  Group：参数不使用，可忽略
 '''

类提供的常用方法如下：

• is_alive()：返回进程是否是激活的
• join([timeout])：阻塞进程，直到进程执行完成或超时或进程被终止。
• run()：代表进程执行的任务函数，可被重写
• start()：激活进程
• terminate()：终止进程

其属性如下：

• authkey：字节码，进程的准密钥
• daemon：父进程终止后自动终止，且不能产生新进程，必须在start()之前设置
• exicode：退出码，进程在运行时为None，如果为-N，就表示被信号N结束
• name：获取进程名称
• pid：进程ID

例子：不设置daemon属性：

 # -*- coding: UTF-8 -*-
 import os
 import time
 from multiprocessing import Process
 ​
 # 子进程要执行的代码
 def task_process(delay):
     print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 子进程执行开始")
     print(f"sleep {delay}s")
     time.sleep(delay)
     print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 子进程执行结束")
 ​
 if __name__ == '__main__':
     print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 父进程执行开始")
     p0 = Process(target=task_process,args=(3,))
     p0.start()
     print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 父进程执行结束")
 ​
 '''
 2024-05-08 20:04:09 父进程执行开始
 2024-05-08 20:04:09 父进程执行结束
 2024-05-08 20:04:10 子进程执行开始
 sleep 3s
 2024-05-08 20:04:13 子进程执行结束
 '''
'''
没有使用p0.join()来阻塞进程，父进程并没有等待子进程运行完成就打印了退出信息，程序依旧会等待子进程运行完成
'''

例子：设置daemon属性：

 # 在上述代码主程序中添加
 p0.deamon = True
 ​
 '''
 2024-05-08 20:07:11 父进程执行开始
 2024-05-08 20:07:11 父进程执行结束
 '''
 # 程序并没有等待子进程结束而结束，主要主程序结束，程序即退出

二、进程并发控制之Semaphore

semaphore用来控制对共享资源的访问数量，可以控制同一时刻并发的进程数。

 # 实例：多进程同步控制
 import multiprocessing
 import time
 ​
 def worker(s,i):
     s.acquire()                         print(time.strftime('%H:%M:%S'),multiprocessing.current_process().name+"获得锁运行");
     time.sleep(i)
     print(time.strftime('%H:%M:%S'), multiprocessing.current_process().name +"释放锁运行");
     s.release()
 ​
 if __name__ == '__main__':
     s = multiprocessing.Semaphore(2)    # 同一时刻只有两个进程在执行
     for i in range(6):
         p = multiprocessing.Process(target=worker(s,2))
         p.start()

三、进程同步之Lock

多进程的目的是并发执行，提高资源利用率，从而提高效率，但有时候我们需要在某一时间只能有一个进程访问某个共享资源，这种情况就需要使用锁Lock

 # 多个进程输出信息，不加锁：
 import multiprocessing
 import time
 ​
 def task1():
     n = 5
     while n > 1:
         print(f"{time.strftime('%H:%M:%S')}task1 输出信息")
         time.sleep(1)
         n -= 1
 ​
 def task2():
     n = 5
     while n > 1:
         print(f"{time.strftime('%H:%M:%S')}task2 输出信息")
         time.sleep(1)
         n -= 1
 ​
 def task3():
     n = 5
     while n > 1:
         print(f"{time.strftime('%H:%M:%S')}task3 输出信息")
         time.sleep(1)
         n -= 1
 ​
 if __name__ == '__main__':
     p1 = multiprocessing.Process(target=task1)
     p2 = multiprocessing.Process(target=task2)
     p3 = multiprocessing.Process(target=task3)
     p1.start();p2.start();p3.start()

未使用锁，生成三个子进程，每个进程都打印自己的信息。下面使用锁：

 import multiprocessing
 import time
 ​
 def task1(lock):
     with lock:      # 也可使用上下文关键字加锁
         n = 5
         while n > 1:
             print(f"{time.strftime('%H:%M:%S')}task1 输出信息")
             time.sleep(1)
             n -= 1
 ​
 def task2(lock):
     lock.acquire()
     n = 5
     while n > 1:
         print(f"{time.strftime('%H:%M:%S')}task2 输出信息")
         time.sleep(1)
         n -= 1
     lock.release()
 ​
 def task3(lock):
     lock.acquire()  # 调用前后加锁
     n = 5
     while n > 1:
         print(f"{time.strftime('%H:%M:%S')}task3 输出信息")
         time.sleep(1)
         n -= 1
     lock.release()
 ​
 if __name__ == '__main__':
     lock = multiprocessing.Lock()       # 1、实例化一个锁
     p1 = multiprocessing.Process(target=task1,args=(lock,))
     p2 = multiprocessing.Process(target=task2,args=(lock,))
     p3 = multiprocessing.Process(target=task3,args=(lock,))
     p1.start()
     p2.start()
     p3.start()

可以发现，同一时刻只有一个进程在输出信息。

四、进程同步之Event

Event用来实现进程之间同步通信

import multiprocessing
import time

def with_for_event(e):
    e.wait()
    time.sleep(1)
    # 唤醒后清除Event状态，为后续继续等待
    e.clear()
    print(f"{time.strftime('%H:%M:%S')}:进程A：我们是兄弟，我等你...")
    e.wait()
    print(f"{time.strftime('%H:%M:%S')}:进程A：好的，是兄弟一起走")

def wait_for_event_timeout(e, t):
    e.wait()
    time.sleep(1)
    e.clear()
    print(f"{time.strftime('%H:%M:%S')}:进程B：好吧，最多等你{t}秒")
    e.wait(t)
    print(f"{time.strftime('%H:%M:%S')}:进程B:我要继续往前走了")

if __name__ == '__main__':
    e = multiprocessing.Event()
    w1 = multiprocessing.Process(target=with_for_event,args=(e,))
    w2 = multiprocessing.Process(target=wait_for_event_timeout,args=(e,5))
    w1.start()
    w2.start()
    # 主进程发话
    print(f"{time.strftime('%H:%M:%S')}:主进程:谁等我下，我需要8秒时间")
    # 唤醒等待的进程
    e.set()
    time.sleep(8)
    print(f"{time.strftime('%H:%M:%S')}:好的，我赶上了")
    # 再次唤醒等待的进程
    e.set()
    w1.join()
    w2.join()
    print(f"{time.strftime('%H:%M:%S')}:主进程：退出")

上述定义了两个函数，一个用于等待事件的发生；一个用于等待事件发生并设置超时时间。主进程调用事件的set()方法唤醒等待事件的进程，事件唤醒后调用claer()方法清除事件的状态并重新等待，以此达到进程同步的控制。

五、进程优先队列Queue

• 多进程安全：Queue是为多进程环境设计的，确保在多进程之间进行数据传递时的安全性。
• put方法：
  • 用于向队列中插入数据。
  • 有两个可选参数：blocked 和 timeout 。
  • 默认情况下，blocked 设置为 True。
  • 如果 timeout 是一个正值，并且队列已满，put 方法会阻塞直到队列有空间或者超时。
  • 超时会抛出 Queue.Full 异常。
  • 如果 blocked 设置为 False 且队列已满，会立即抛出 Queue.Full 异常。
• get方法：
  • 用于从队列中读取并删除一个元素。
  • 同样有两个可选参数：blocked 和 timeout。
  • 默认情况下，blocked 设置为 True。
  • 如果 timeout 是一个正值，并且在指定时间内队列中没有元素可取，会抛出 Queue.Empty 异常。
  • 如果block设置为False则有两种情况：
    • 如果队列为空，会立即抛出 Queue.Empty 异常。
    • 如果队列中有值可用，会立即返回该值。

这些特性确保了在多进程环境中，队列操作的同步性和数据的一致性。

# 实现消费者-生产者模式
from multiprocessing import Process,Queue
import time


def ProducerA(q):
    count = 1
    while True:
        q.put(f"冷饮 {count}")
        print(f"{time.strftime('%H:%M:%S')} A 放入：[冷饮 {count}]")
        count +=1
        time.sleep(1)

def ConsumerB(q):
    while True:
        print(f"{time.strftime('%H:%M:%S')} B 放入：[取出 {q.get()}]")
        time.sleep(5)

if __name__ == '__main__':
    q = Queue(maxsize=5)
    p = Process(target=ProducerA,args=(q,))
    c = Process(target=ConsumerB,args=(q,))
    c.start()
    p.start()
    c.join()
    p.join()

上述代码定义了生产者函数和消费者函数，设置其队列的最大容量是5，生产者不停的生产冷饮，消费者就不停的取出冷饮消费，当队列满时，生产者等待，当队列空时，消费者等待。

六、多进程之进程池Pool

进程池（Pool）按需创建进程，池满则请求排队等待。

import multiprocessing
import time

def task(name):
    print(f"{time.strftime('%H:%M:%S')}: {name} 开始执行")
    time.sleep(3)

if __name__ == '__main__':
    pool = multiprocessing.Pool(processes=3)
    for i in range(10):
        # 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
        pool.apply_async(func=task, args=(i,))
    pool.close()
    pool.join()

从结果来看，同一时刻只有三个进程在执行，使用Pool实现了对进程并发数的控制

七、多进程之数据交换Pipe

在Python的多进程编程中，multiprocessing.Pipe() 方法可以创建一个管道，用于进程间的数据传输。

默认情况下，管道是全双工的，即两个进程可以互相发送和接收数据。如果需要设置为半双工（单向传输），可以通过传递参数duplex=False 来实现。

管道对象提供了send() 方法用于发送消息，以及recv() 方法用于接收消息。如果recv()在没有消息的情况下被调用，它会阻塞；如果管道已关闭，recv()会抛出EOFError异常。

import multiprocessing
import time

def task1(pipe):
    for i in range(5):
        str = f"task1-{i}"
        print(f"{time.strftime('%H:%M:%S')}: task1 发送：{str}")
        pipe.send(str)
    time.sleep(2)
    for i in range(5):
        print(f"{time.strftime('%H:%M:%S')}: task1 接收：{ pipe.recv() }")

def task2(pipe):
    for i in range(5):
        print(f"{time.strftime('%H:%M:%S')}: task2 接收：{pipe.recv()}")
    time.sleep(2)
    for i in range(5):
        str = f"task1-{i}"
        print(f"{time.strftime('%H:%M:%S')}: task2 发送：{ str }")

if __name__ == '__main__':
    pipe = multiprocessing.Pipe()
    p1 = multiprocessing.Process(target=task1,args=(pipe[0],))
    p2 = multiprocessing.Process(target=task2,args=(pipe[1],))
    p1.start()
    p2.start()
    p1.join()
    p2.join()

首先程序定义了两个子进程函数：task1先发送5条消息，再接收消息；task2先接收消息，再发送消息。