多进程
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：
|
1 2 3 4 5 6 7 8 9 10 |
# multiprocessing.py import os print 'Process (%s) start...' % os.getpid() 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：
|
1 2 3 4 |
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：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
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 'Process will start.' p.start() p.join() print 'Process end.' |
执行结果如下：
|
1 2 3 4 5 |
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：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
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() 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：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
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：
|
1 2 |
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：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 |
from multiprocessing import Process, Queue import os, time, random # 写数据进程执行的代码: def write(q): 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): 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：
|
1 2 3 4 5 6 7 |
Put A to queue... 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。
一个Python生产者-消费者示例代码：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 |
#coding=utf-8 ''' Created on 2013年11月13日 生产者与消费者python版 @author: dear_shen ''' import threading import Queue import time condition = threading.Condition() #设置条件变量 class Producter(threading.Thread): def __init__(self,puc_pool,i): threading.Thread.__init__(self) self.puc_pool = puc_pool self.setName("生产者"+str(i)) def run(self): while True: if condition.acquire(): if self.puc_pool.qsize() < 10: print "%s 开始生产产品 %s" % (self.name,self.puc_pool.qsize()+1) self.puc_pool.put(self.name+"-"+str(self.puc_pool.qsize()+1)) condition.notify() #唤醒阻塞的线程 else: print "产品数量多于10个，停止生产，生产者休息！" condition.wait() #阻塞自己 condition.release() time.sleep(1) class Consumer(threading.Thread): def __init__(self,puc_pool,i): threading.Thread.__init__(self) self.puc_pool = puc_pool self.setName("消费者"+str(i)) def run(self): while True: if condition.acquire(): if self.puc_pool.qsize()>0: tem = self.puc_pool.get() print "%s 使用了产品 %s,还剩%s个" % (self.name,tem,self.puc_pool.qsize()) self.puc_pool.task_done() #产品队列中减少一个 condition.notify() else: print "没有产品了，消费者休息！" condition.wait() condition.release() time.sleep(2) if __name__ == "__main__": print "main begin" puc = Queue.Queue() for i in range(2): p = Producter(puc,i) p.setDaemon(True) p.start() time.sleep(5) for i in range(5): c = Consumer(puc,i) c.setDaemon(True) c.start() puc.join()#当产品队列为空时候再打印main over，如果注释掉了上面的setDaemon,虽然打印了main over，但是子线程并没有结束。 print "main over" |
1 comment
匿名哦
2017 年 6 月 5 日 在 上午 12:25 (UTC -4) Link to this comment
代码给这么具体，灰常感谢~~~~~~