一、数据共享
1.进程间的通信应该尽量避免共享数据的方式
2.进程间的数据是独立的，可以借助队列或管道实现通信，二者都是基于消息传递的。
虽然进程间数据独立，但可以用过Manager实现数据共享，事实上Manager的功能远不止于此。
|
1
2
3
4
|
命令就是一个程序，按回车就会执行（这个只是在windows情况下）
tasklist 查看进程
tasklist | findstr pycharm
#（findstr是进行过滤的），|就是管道(tasklist执行的内容就放到管道里面了，
管道后面的findstr pycharm就接收了)
|
3.（IPC）进程之间的通信有两种实现方式：管道和队列
1 from multiprocessing import Manager,Process,Lock
2 def work(dic,mutex):
3 # mutex.acquire()
4 # dic['count']-=1
5 # mutex.release()
6 # 也可以这样加锁
7 with mutex:
8 dic['count'] -= 1
9 if __name__ == '__main__':
10 mutex = Lock()
11 m = Manager() #实现共享，由于字典是共享的字典，所以得加个锁
12 share_dic = m.dict({'count':100}) 13 p_l = [] 14 for i in range(100): 15 p = Process(target=work,args=(share_dic,mutex)) 16 p_l.append(p) #先添加进去 17 p.start() 18 for i in p_l: 19 i.join() 20 print(share_dic) 21 # 共享就意味着会有竞争，
二、进程池
在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。多进程是实现并发的手段之一，需要注意的问题是：
- 很明显需要并发执行的任务通常要远大于核数
- 一个操作系统不可能无限开启进程，通常有几个核就开几个进程
- 进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行）
例如当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个。。。手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。
那么什么是进程池呢？进程池就是控制进程数目
ps：对于远程过程调用的高级应用程序而言，应该使用进程池，Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，就重用进程池中的进程。
进程池的结构：
创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务，不会开启其他进程
1.创建进程池
|
1
|
Pool([numprocess [,initializer [, initargs]]]):创建进程池
|
2.参数介绍
|
1
2
3
|
numprocess:要创建的进程数，如果省略，将默认为cpu_count()的值,可os.cpu_count()查看
initializer：是每个工作进程启动时要执行的可调用对象，默认为
None
initargs：是要传给initializer的参数组
|
3.方法介绍
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
p.
apply
(func [, args [, kwargs]]):在一个池工作进程中执行
func(
*
args,
*
*
kwargs),然后返回结果。
需要强调的是：此操作并不会在所有池工作进程中并执行func函数。
如果要通过不同参数并发地执行func函数，必须从不同线程调用p.
apply
()
函数或者使用p.apply_async()
p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(
*
args,
*
*
kwargs),然后返回结果。此方法的结果是AsyncResult类的实例，
callback是可调用对象，接收输入参数。当func的结果变为可用时，
将理解传递给callback。callback禁止执行任何阻塞操作，
否则将接收其他异步操作中的结果。
p.close():关闭进程池，防止进一步操作。禁止往进程池内在添加任务（需要注意的是一定要写在close()的上方）
|
|
1
|
P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用
|
应用1：
1 from multiprocessing import Pool
2 import os,time
3 def task(n):
4 print('[%s] is running'%os.getpid())
5 time.sleep(2)
6 print('[%s] is done'%os.getpid()) 7 return n**2 8 if __name__ == '__main__': 9 # print(os.cpu_count()) #查看cpu个数 10 p = Pool(4) #最大四个进程 11 for i in range(1,7):#开7个任务 12 res = p.apply(task,args=(i,)) #同步的，等着一个运行完才执行另一个 13 print('本次任务的结束：%s'%res) 14 p.close()#禁止往进程池内在添加任务 15 p.join() #在等进程池 16 print('主')
1 # ----------------
2 # 那么我们为什么要用进程池呢？这是因为进程池使用来控制进程数目的，
3 # 我们需要几个就开几个进程。如果不用进程池实现并发的话，会开很多的进程
4 # 如果你开的进程特别多，那么你的机器就会很卡，所以我们把进程控制好，用几个就
5 # 开几个，也不会太占用内存
6 from multiprocessing import Pool
7 import os,time
8 def walk(n):
9 print('task[%s] running...'%os.getpid())
10 time.sleep(3)
11 return n**2
12 if __name__ == '__main__': 13 p = Pool(4) 14 res_obj_l = [] 15 for i in range(10): 16 res = p.apply_async(walk,args=(i,)) 17 # print(res) #打印出来的是对象 18 res_obj_l.append(res) #那么现在拿到的是一个列表，怎么得到值呢？我们用个.get方法 19 p.close() #禁止往进程池里添加任务 20 p.join() 21 # print(res_obj_l) 22 print([obj.get() for obj in res_obj_l]) #这样就得到了
那么什么是同步，什么是异步呢？
同步就是指一个进程在执行某个请求的时候，若该请求需要一段时间才能返回信息，那么这个进程将会一直等待下去，直到收到返回信息才继续执行下去
异步是指进程不需要一直等下去，而是继续执行下面的操作，不管其他进程的状态。当有消息返回时系统会通知进程进行处理，这样可以提高执行的效率。
什么是串行，什么是并行呢？
举例：能并排开几辆车的就可以说是“并行”，只能一辆一辆开的就属于“串行”了。很明显，并行的速度要比串行的快得多。（并行互不影响，串行的等着一个完了才能接着另一个）
应用2：
使用进程池维护固定数目的进程（以前客户端和服务端的改进）
1 from socket import *
2 from multiprocessing import Pool
3 s = socket(AF_INET,SOCK_STREAM)
4 s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1) #端口重用
5 s.bind(('127.0.0.1',8081))
6 s.listen(5)
7 print('start running...')
8 def talk(coon,addr): 9 while True: # 通信循环 10 try: 11 cmd = coon.recv(1024) 12 print(cmd.decode('utf-8')) 13 if not cmd: break 14 coon.send(cmd.upper()) 15 print('发送的是%s'%cmd.upper().decode('utf-8')) 16 except Exception: 17 break 18 coon.close() 19 if __name__ == '__main__': 20 p = Pool(4) 21 while True:#链接循环 22 coon,addr = s.accept() 23 print(coon,addr) 24 p.apply_async(talk,args=(coon,addr)) 25 s.close() 26 #因为是循环，所以就不用p.join了
1 from socket import *
2 c = socket(AF_INET,SOCK_STREAM)
3 c.connect(('127.0.0.1',8081))
4 while True:
5 cmd = input('>>:').strip()
6 if not cmd:continue
7 c.send(cmd.encode('utf-8'))
8 data = c.recv(1024) 9 print('接受的是%s'%data.decode('utf-8')) 10 c.close()
三、回调函数
|
1
2
3
4
5
6
7
|
回调函数什么时候用？（回调函数在爬虫中最常用）
造数据的非常耗时
处理数据的时候不耗时
你下载的地址如果完成了，就自动提醒让主进程解析
谁要是好了就通知解析函数去解析（回调函数的强大之处）
|
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。
1 from multiprocessing import Pool
2 import requests
3 import os
4 import time
5 def get_page(url):
6 print('<%s> is getting [%s]' %(os.getpid(),url)) 7 response = requests.get(url) #得到地址 8 time.sleep(2) 9 print('<%s> is done [%s]'%(os.getpid(),url)) 10 return {'url':url,'text':response.text} 11 def parse_page(res): 12 '''解析函数''' 13 print('<%s> parse [%s]'%(os.getpid(),res['url'])) 14 with open('db.txt','a') as f: 15 parse_res = 'url:%s size:%s\n' %(res['url'],len(res['text'])) 16 f.write(parse_res) 17 if __name__ == '__main__': 18 p = Pool(4) 19 urls = [ 20 'https://www.baidu.com', 21 'http://www.openstack.org', 22 'https://www.python.org', 23 'https://help.github.com/', 24 'http://www.sina.com.cn/' 25 ] 26 for url in urls: 27 obj = p.apply_async(get_page,args=(url,),callback=parse_page) 28 p.close() 29 p.join() 30 print('主',os.getpid()) #都不用.get()方法了
如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数
1 from multiprocessing import Pool
2 import requests
3 import os
4 def get_page(url):
5 print('<%os> get [%s]' %(os.getpid(),url))
6 response = requests.get(url) #得到地址 response响应
7 return {'url':url,'text':response.text} 8 if __name__ == '__main__': 9 p = Pool(4) 10 urls = [ 11 'https://www.baidu.com', 12 'http://www.openstack.org', 13 'https://www.python.org', 14 'https://help.github.com/', 15 'http://www.sina.com.cn/' 16 ] 17 obj_l= [] 18 for url in urls: 19 obj = p.apply_async(get_page,args=(url,)) 20 obj_l.append(obj) 21 p.close() 22 p.join() 23 print([obj.get() for obj in obj_l])
一、数据共享
1.进程间的通信应该尽量避免共享数据的方式
2.进程间的数据是独立的，可以借助队列或管道实现通信，二者都是基于消息传递的。
虽然进程间数据独立，但可以用过Manager实现数据共享，事实上Manager的功能远不止于此。
|
1
2
3
4
|
命令就是一个程序，按回车就会执行（这个只是在windows情况下）
tasklist 查看进程
tasklist | findstr pycharm
#（findstr是进行过滤的），|就是管道(tasklist执行的内容就放到管道里面了，
管道后面的findstr pycharm就接收了)
|
3.（IPC）进程之间的通信有两种实现方式：管道和队列
1 from multiprocessing import Manager,Process,Lock
2 def work(dic,mutex):
3 # mutex.acquire()
4 # dic['count']-=1
5 # mutex.release()
6 # 也可以这样加锁
7 with mutex:
8 dic['count'] -= 1
9 if __name__ == '__main__':
10 mutex = Lock()
11 m = Manager() #实现共享，由于字典是共享的字典，所以得加个锁
12 share_dic = m.dict({'count':100}) 13 p_l = [] 14 for i in range(100): 15 p = Process(target=work,args=(share_dic,mutex)) 16 p_l.append(p) #先添加进去 17 p.start() 18 for i in p_l: 19 i.join() 20 print(share_dic) 21 # 共享就意味着会有竞争，
二、进程池
在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。多进程是实现并发的手段之一，需要注意的问题是：
- 很明显需要并发执行的任务通常要远大于核数
- 一个操作系统不可能无限开启进程，通常有几个核就开几个进程
- 进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行）
例如当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个。。。手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。
那么什么是进程池呢？进程池就是控制进程数目
ps：对于远程过程调用的高级应用程序而言，应该使用进程池，Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，就重用进程池中的进程。
进程池的结构：
创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务，不会开启其他进程
1.创建进程池
|
1
|
Pool([numprocess [,initializer [, initargs]]]):创建进程池
|
2.参数介绍
|
1
2
3
|
numprocess:要创建的进程数，如果省略，将默认为cpu_count()的值,可os.cpu_count()查看
initializer：是每个工作进程启动时要执行的可调用对象，默认为
None
initargs：是要传给initializer的参数组
|
3.方法介绍
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
p.
apply
(func [, args [, kwargs]]):在一个池工作进程中执行
func(
*
args,
*
*
kwargs),然后返回结果。
需要强调的是：此操作并不会在所有池工作进程中并执行func函数。
如果要通过不同参数并发地执行func函数，必须从不同线程调用p.
apply
()
函数或者使用p.apply_async()
p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(
*
args,
*
*
kwargs),然后返回结果。此方法的结果是AsyncResult类的实例，
callback是可调用对象，接收输入参数。当func的结果变为可用时，
将理解传递给callback。callback禁止执行任何阻塞操作，
否则将接收其他异步操作中的结果。
p.close():关闭进程池，防止进一步操作。禁止往进程池内在添加任务（需要注意的是一定要写在close()的上方）
|
|
1
|
P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用
|
应用1：
1 from multiprocessing import Pool
2 import os,time
3 def task(n):
4 print('[%s] is running'%os.getpid())
5 time.sleep(2)
6 print('[%s] is done'%os.getpid()) 7 return n**2 8 if __name__ == '__main__': 9 # print(os.cpu_count()) #查看cpu个数 10 p = Pool(4) #最大四个进程 11 for i in range(1,7):#开7个任务 12 res = p.apply(task,args=(i,)) #同步的，等着一个运行完才执行另一个 13 print('本次任务的结束：%s'%res) 14 p.close()#禁止往进程池内在添加任务 15 p.join() #在等进程池 16 print('主')
1 # ----------------
2 # 那么我们为什么要用进程池呢？这是因为进程池使用来控制进程数目的，
3 # 我们需要几个就开几个进程。如果不用进程池实现并发的话，会开很多的进程
4 # 如果你开的进程特别多，那么你的机器就会很卡，所以我们把进程控制好，用几个就
5 # 开几个，也不会太占用内存
6 from multiprocessing import Pool
7 import os,time
8 def walk(n):
9 print('task[%s] running...'%os.getpid())
10 time.sleep(3)
11 return n**2
12 if __name__ == '__main__': 13 p = Pool(4) 14 res_obj_l = [] 15 for i in range(10): 16 res = p.apply_async(walk,args=(i,)) 17 # print(res) #打印出来的是对象 18 res_obj_l.append(res) #那么现在拿到的是一个列表，怎么得到值呢？我们用个.get方法 19 p.close() #禁止往进程池里添加任务 20 p.join() 21 # print(res_obj_l) 22 print([obj.get() for obj in res_obj_l]) #这样就得到了
那么什么是同步，什么是异步呢？
同步就是指一个进程在执行某个请求的时候，若该请求需要一段时间才能返回信息，那么这个进程将会一直等待下去，直到收到返回信息才继续执行下去
异步是指进程不需要一直等下去，而是继续执行下面的操作，不管其他进程的状态。当有消息返回时系统会通知进程进行处理，这样可以提高执行的效率。
什么是串行，什么是并行呢？
举例：能并排开几辆车的就可以说是“并行”，只能一辆一辆开的就属于“串行”了。很明显，并行的速度要比串行的快得多。（并行互不影响，串行的等着一个完了才能接着另一个）
应用2：
使用进程池维护固定数目的进程（以前客户端和服务端的改进）
1 from socket import *
2 from multiprocessing import Pool
3 s = socket(AF_INET,SOCK_STREAM)
4 s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1) #端口重用
5 s.bind(('127.0.0.1',8081))
6 s.listen(5)
7 print('start running...')
8 def talk(coon,addr): 9 while True: # 通信循环 10 try: 11 cmd = coon.recv(1024) 12 print(cmd.decode('utf-8')) 13 if not cmd: break 14 coon.send(cmd.upper()) 15 print('发送的是%s'%cmd.upper().decode('utf-8')) 16 except Exception: 17 break 18 coon.close() 19 if __name__ == '__main__': 20 p = Pool(4) 21 while True:#链接循环 22 coon,addr = s.accept() 23 print(coon,addr) 24 p.apply_async(talk,args=(coon,addr)) 25 s.close() 26 #因为是循环，所以就不用p.join了
1 from socket import *
2 c = socket(AF_INET,SOCK_STREAM)
3 c.connect(('127.0.0.1',8081))
4 while True:
5 cmd = input('>>:').strip()
6 if not cmd:continue
7 c.send(cmd.encode('utf-8'))
8 data = c.recv(1024) 9 print('接受的是%s'%data.decode('utf-8')) 10 c.close()
三、回调函数
|
1
2
3
4
5
6
7
|
回调函数什么时候用？（回调函数在爬虫中最常用）
造数据的非常耗时
处理数据的时候不耗时
你下载的地址如果完成了，就自动提醒让主进程解析
谁要是好了就通知解析函数去解析（回调函数的强大之处）
|
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。
1 from multiprocessing import Pool
2 import requests
3 import os
4 import time
5 def get_page(url):
6 print('<%s> is getting [%s]' %(os.getpid(),url)) 7 response = requests.get(url) #得到地址 8 time.sleep(2) 9 print('<%s> is done [%s]'%(os.getpid(),url)) 10 return {'url':url,'text':response.text} 11 def parse_page(res): 12 '''解析函数''' 13 print('<%s> parse [%s]'%(os.getpid(),res['url'])) 14 with open('db.txt','a') as f: 15 parse_res = 'url:%s size:%s\n' %(res['url'],len(res['text'])) 16 f.write(parse_res) 17 if __name__ == '__main__': 18 p = Pool(4) 19 urls = [ 20 'https://www.baidu.com', 21 'http://www.openstack.org', 22 'https://www.python.org', 23 'https://help.github.com/', 24 'http://www.sina.com.cn/' 25 ] 26 for url in urls: 27 obj = p.apply_async(get_page,args=(url,),callback=parse_page) 28 p.close() 29 p.join() 30 print('主',os.getpid()) #都不用.get()方法了
如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数
1 from multiprocessing import Pool
2 import requests
3 import os
4 def get_page(url):
5 print('<%os> get [%s]' %(os.getpid(),url))
6 response = requests.get(url) #得到地址 response响应
7 return {'url':url,'text':response.text} 8 if __name__ == '__main__': 9 p = Pool(4) 10 urls = [ 11 'https://www.baidu.com', 12 'http://www.openstack.org', 13 'https://www.python.org', 14 'https://help.github.com/', 15 'http://www.sina.com.cn/' 16 ] 17 obj_l= [] 18 for url in urls: 19 obj = p.apply_async(get_page,args=(url,)) 20 obj_l.append(obj) 21 p.close() 22 p.join() 23 print([obj.get() for obj in obj_l])