视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001
Python学习多进程介绍
2020-11-27 14:25:02 责编:小采
文档


多进程的基本使用

import multiprocessing
import os
import time
 
 
def run():
 print("父进程:%s,子进程:%s" % (os.getppid(), os.getpid()))
 time.sleep(2)
 
if __name__ == "__main__":
 p = multiprocessing.Process(target=run)
 p.start()
 p.join()

进程间通信

不同进程间内存是不共享的,要实现两个进程间的数据交换,可以用以下方法

Queue

import multiprocessing
 
 
def f(q):
 q.put(11111)
 
if __name__ == "__main__":
 q = multiprocessing.Queue()
 p = multiprocessing.Process(target=f, args=(q,))
 p.start()
 print(q.get())

Pipe

import multiprocessing
 
 
def f(conn):
 conn.send(1)
 conn.send(2)
 print(conn.recv())
 conn.close()
 
if __name__ == "__main__":
 parent_conn, child_conn = multiprocessing.Pipe()
 p = multiprocessing.Process(target=f, args=(child_conn,))
 p.start()
 print(parent_conn.recv())
 print(parent_conn.recv())
 parent_conn.send(3)
 p.join()

进程间的数据共享

Manager

import multiprocessing
import os
 
 
def func(d, l):
 d[os.getpid()] = os.getpid()
 print(d)
 l.append(os.getpid())
 print(l)
 
if __name__ == "__main__":
 manager = multiprocessing.Manager()
 d = manager.dict()
 l = manager.list()
 p_list = []
 for i in range(5):
 p = multiprocessing.Process(target=func, args=(d, l))
 p.start()
 p_list.append(p)
 for p in p_list:
 p.join()

进程锁

当多个进程要访问共享资源时,Lock可以避免访问冲突

import multiprocessing
 
 
def f(l, i):
 l.acquire()
 print("hello world", i)
 l.release()
 
if __name__ == "__main__":
 lock = multiprocessing.Lock()
 for num in range(10):
 p = multiprocessing.Process(target=f, args=(lock, num))
 p.start()

进程池

进程池内部维护一个进程队列,当使用时,则去进程池中获取一个进程,如果进程池中没有可使用的进程,那么程序就会等待,直到进程池中有进程

import multiprocessing
import os
import time
 
 
def foo(i):
 time.sleep(2)
 print("in process", os.getpid())
 return i + 100
 
 
def bar(arg):
 print("==>exec done:", arg)
 
if __name__ == "__main__":
 pool = multiprocessing.Pool(5)
 for i in range(10):
 pool.apply_async(func=foo, args=(i,), callback=bar)
 print("end")
 pool.close()
 pool.join()

下载本文
显示全文
专题