процесс
так какGILСуществование многопоточности в Python на самом деле не многопоточность.Если вы хотите в полной мере использовать ее多核CPUресурсов, в большинстве случаев в Python нужно использовать многопроцессорность. Python предоставляет очень полезный многопроцессорный модуль.multiprocessing, просто определите функцию, а Python сделает все остальное. С помощью этого модуля можно легко перейти от одного процесса к параллельному выполнению.multiprocessingПоддерживает подпроцессы, обменивается данными и обменивается ими, выполняет различные формы синхронизации, обеспечиваетProcess,Lock,Queue,Pipeи другие компоненты.
multiprocessingМодули — это многопроцессорные модули в Python. иthreading.ThreadТочно так же он может использоватьmultiprocessing.Processобъект для создания процесса. Процесс может запускать функции, написанные внутри программы Python. Объект Process используется так же, как и объект Thread, а также имеетstart(),run(), join()Методы. такжеmultiprocessingтакже в модулеLock/Event/Semaphore/Conditionкласс (эти объекты могут быть переданы в качестве параметров каждому процессу, подобно многопоточности), используемый для синхронизации процессов, его использование такое же, какthreadingОдноименный класс в модуле непротиворечив. так,multiprocessingбольшая частьthreadingИспользуйте тот же набор API, но переключитесь на ситуацию с несколькими процессами.
Конечно, определение многопроцессорности аналогично определению многопоточности, то есть двумя способами:
Реализация целевой функции определяет новый процесс:
# 导入多进程模块
from multiprocessing import Process
# os.getpid() 获取当前进程的id
import os
def run_proc(name):
print('{} child process is {}'.format(name, os.getpid()))
if __name__ == '__main__':
print("Parent process is {}".format(os.getpid()))
p = Process(target=run_proc, args=('test', ))
print('child process will start...')
p.start()
p.join()
print('child process end.')
Рабочий скриншот выглядит следующим образом:
Унаследованные классы для определения новых процессов
from multiprocessing import Process
import os
class RunProc(Process):
def __init__(self, name):
Process.__init__(self)
self.name = name
def run(self):
print('{} child process is {}'.format(self.name, os.getpid()))
if __name__ == "__main__":
print("Parent process is {}".format(os.getpid()))
p = RunProc('test')
print('child process will start...')
p.start()
p.join()
print('child process end.')
Результаты приведены ниже:
- group: группа потоков, еще не реализованная, подсказка в ссылке на библиотеку должна быть None;
- цель: метод, который должен быть выполнен;
- имя: имя процесса;
- args/kwargs: аргументы для передачи методу.
Метод экземпляра:
- is_alive(): возвращает, запущен ли процесс.
- join([timeout]): блокировать процесс текущего контекста до тех пор, пока процесс, вызывающий этот метод, не завершится или не достигнет указанного времени ожидания (необязательный параметр).
- start(): процесс готов, ожидая планирования ЦП
- run(): start() вызывает метод run, если процесс-экземпляр не указан и передан в
target,startвыполнить по умолчаниюrun()метод. - terminate(): немедленно остановить рабочий процесс, независимо от того, завершена задача или нет.
Атрибуты:
- демон: и нити
setDeamonта же функция - код выхода (Нет, когда процесс запущен, если это -N, это означает, что он завершается по сигналу N)
- имя: имя процесса.
- pid: идентификатор процесса.
Независимость процесса:
В отличие от потоков, процессы не зависят друг от друга, что можно увидеть в модификации глобальных переменных:
from multiprocessing import Process
# 测试数据
ex_list = 'Hello World'
# 修改数据进程
def revise_data():
global ex_list
# 修改全局变量
ex_list = ex_list + ' with write revise_data process.'
print('wirte result:', ex_list)
# 查看数据进程
def view_data():
print(ex_list)
if __name__ == "__main__":
process_revise = Process(target=revise_data)
process_view = Process(target=view_data)
process_revise.start()
# 主进程等待写入进程执行完成以后代码 再继续往下执行
process_revise.join()
process_view.start()
process_view.join()
print("process end.")
Рабочий скриншот выглядит следующим образом: