Python入门20

linux创建进程

1. Linux创建子进程的原理:

#1).  父进程和子进程, 如果父进程结束， 子进程也随之结束;
#2).  x先有父进程， 再有子进程， 通过fork函数实现;

2. fork函数的返回值:调用该方法一次， 返回两次;

#- 产生的子进程返回一个0
#- 父进程返回子进程的pid;

3. Window也能使用fork函数么?

#Windows没有fork函数， Mac有fork函数(Unix -> Linux, Unix-> Mac),
#封装了一个模块multiprocessing

4. 常用方法:

#- os.fork()
#- os.getpid(): 获取当前进程的pid;
#- os.getppid(): parent process id, 获取当前进程的父进程的id号；

import multiprocessing
import os
import time
print('当前进程(pid=%d)正在运行...' %(os.getpid()))
print('当前进程的父进程(pid=%d)正在运行...' %(os.getppid()))
print('正在创建子进程...')
pid=os.fork()
pid2=os.fork()
print('第一个:',pid)
print('第二个:',pid2)
if pid==0:
    print('这是创建的子进程,子进程的id为%s,父进程id为%s' %(os.getpid(),os.getppid()))
else:
    print('当前父进程[%s]的返回值是%s' %(os.getpid(),pid))
time.sleep(10)

创建子进程_通过实例化process对象创建多进程

import multiprocessing
import threading
import time

def job():
    print('当前子进程的名称为%s' %(multiprocessing.current_process()))
#创建一个进程对象
p1=multiprocessing.Process(target=job)
#运行多进程，执行任务
p1.start()
#创建一个进程对象
p2=multiprocessing.Process(target=job)
p2.start()
#等待所有的子进程执行结束，在执行主进程内容
p1.join()
p2.join()
print('任务执行结束...')

派生多进程，通过继承的方式创建子进程

import multiprocessing
import time

class JobProcess(multiprocessing.Process):
    #重写Process的构造方法，获取新的属性
    def __init__(self,queue):
        super(JobProcess, self).__init__()
        self.queue=queue
    #重写run方法，将执行的任务放在里面即可
    def run(self):
        print('当前子进程名称为%s' %(multiprocessing.current_process()))
processes=[]
#启动10个进程，来执行需要执行的任务
for i in range(10):
    #实例化对象
    p=JobProcess(queue=3)
    processes.append(p)
    #启动多进程，处理需要执行的任务
    p.start()
#等待所有的子进程执行结束，在继续执行主进程
[process.join() for process in processes]
time.sleep(3)
#执行主进程
print('任务执行结束...')

mytimeit

import time
def timeit(f):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        res = f(*args, **kwargs)
        end_time = time.time()
        print("%s运行时间为%s" %(f.__name__, end_time-start_time))
        return  res
    return  wrapper

多进程案例

import multiprocessing
import threading
from mytimeit import timeit
class JobProcess(multiprocessing.Process):
    def __init__(self,li):
        super(JobProcess, self).__init__()
        self.li=li
    def run(self):
        for item in self.li:
            sum(item)

class JobThread(threading.Thread):
    def __init__(self,li):
        super(JobThread, self).__init__()
        self.li=li
    def run(self):
        sum(self.li)

@timeit
def use_multi_process():
    # 1). 开启的进程数有瓶颈， 取决于CPU的个数;
    # 2). 如果处理的数据比较小， 不建议使用多进程， 因为进程的创建和销毁需要时间，
    #     开启的进程数越多，不一定效率越高;;
    # 3). 如果处理的数据量足够大， 0<开启的进程数<cpu个数, 开启的进程数越多， 效率越高;
    lists = [[1, 2, 3, 4, 5], [2, 3, 4, 5, 6],
             [2, 3, 4, 5, 6, 7, 8], [2, 3, 4, 5, 6]] * 10
    processes=[]
    for li in lists:
        p=JobProcess(li)
        processes.append(p)
        p.start()
    # # 对于处理的数据进行分片， 每个进程处理一部分任务;
    # for i in range(0, len(lists), 10):
    #     # print(i, i+1000)
    #     p = JobProcess(lists[i:i + 10])
    #     processes.append(p)
    #     p.start()

    #等待所有的子进程执行结束
    [process.join() for process in processes]
    print('多进程执行结束')
@timeit
def use_multi_thread():
    lists = [[1, 2, 3, 4, 5], [2, 3, 4, 5, 6],
             [2, 3, 4, 5, 6, 7, 8], [2, 3, 4, 5, 6]] * 10
    processes = []
    for li in lists:
        p = JobThread(li)
        processes.append(p)
        p.start()
    # 等待所有的子进程执行结束
    [process.join() for process in processes]
    print("多线程执行结束.......")
if __name__=='__main__':
    use_multi_process()
    use_multi_thread()

守护进程

# 守护线程:
    #setDeamon:
        #True: 主线程执行结束， 子线程不再继续执行;
        #Flase:

import multiprocessing
import time
def job():
    name=multiprocessing.current_process()
    print('%s开始运行' %(name))
    time.sleep(3)
    print('%s结束进程' %(name))
if __name__=='__main__':
    #启动一个子进程
    p1=multiprocessing.Process(target=job,name='use_daemon')
    p1.daemon=True
    p1.start()
    #join等待所有子进程执行结束，在执行主进程

    p1.join(3)
    #执行主进程
    print('%s程序执行结束'%(multiprocessing.current_process()) )

终止进程

import time
import  multiprocessing

def job():
    print("start.....")
    time.sleep(1)
    print('end.......')
if __name__ == '__main__':
    p = multiprocessing.Process(target=job)
    print("Before:", p.is_alive())
    p.start()  # 启动子进程
    print("During:", p.is_alive())
    p.terminate()   # 终止子进程
    print('terminate:', p.is_alive())
    p.join()        #等待子进程彻底终止
    print("joined:", p.is_alive())

进程池之ProcessPoolExecutor

from concurrent.futures import ThreadPoolExecutor
from concurrent.futures import ProcessPoolExecutor
def job(id):
    print('start %d' %(id))
    print('end %d' % (id))
    return id
# 第2种方式: submit
pool = ProcessPoolExecutor(max_workers=4)
# 分配任务给子进程， 并且返回一个Future对象;
f1 = pool.submit(job, 5)
# 获取进程是否执行结束；
f1.done()
# 获取子进程执行的结果
f1.result()

# 第三种方式:map函数
# pool = ProcessPoolExecutor(max_workers=4)
# for res in pool.map(job, range(1,100)):
#     print(res)

进程间的通信之生产者和消费者

import multiprocessing
from multiprocessing import Queue
import time
class Producer(multiprocessing.Process):
    #往队列写内容
    def __init__(self,queue):
        super(Producer,self).__init__()
        self.queue=queue
    def run(self):
        for i in range(10):
            self.queue.put(i)
            time.sleep(2)
            print('传递消息,内容为:%s' %(i))

class Consumer(multiprocessing.Process):
    def __init__(self,queue):
        super(Consumer, self).__init__()
        self.queue=queue
    def run(self):
        # 判断队列是否为空， 如果是， 跳出循环， 不会再去从队列获取数据;
        # while not self.queue.empty():
        while True:
            time.sleep(0.1)
            print("读取进程传递的消息:%s" % (self.queue.get()))
if __name__=='__main__':
    q=Queue()
    p1=Producer(q)
    c1=Consumer(q)
    p1.start()
    c1.start()
    p1.join()
    c1.terminate()
    c1.join()
    print('all done')