多进程（不同进程不可直接访问数据）

引入（多进程套线程）

多进程需导入multiprocessing模块

模板示例1

import threading,time,multiprocessing
def run(name):
    time.sleep(2)
    print('hi',name)
def running(n):
    time.sleep(2)
    print('ok',n,threading.get_ident())
    t=threading.Thread(target=run,args=(n,))
    t.start()
if __name__ == '__main__':
    start=time.time()
    t=[]
    for i in range(10):
        m=multiprocessing.Process(target=running,args=('cf%s'%i,))
        m.start()
        t.append(m)
    for i in t:
        i.join()
    print(time.time()-start)

注意：

1threading.get_ident()得到当前线程号

2multiprocessing的实例化与函数用法大致与线程threading相同

3if __name__ == '__main__':类似于其它语言的main函数

模板示例2

import time,multiprocessing,os
def a(title):
    print(title)
    print('module_name',__name__)
    print('父进程:',os.getppid())
    print('当前进程',os.getpid())
    print('\n')
def b(name):
    print(name)
    a('\033[31;1mhello it\'s me\033[0m')
if __name__=='__main__':
    a('\033[32;1mhello it\'s me\033[0m')
    m=multiprocessing.Process(target=b,args=('ok',))
    m.start()

注意：

1 '\033[31;lm字符串\033[0m'颜色输入

扫描二维码关注公众号，回复： 5712591 查看本文章

2 此程序导入了os包使用其中os.getpid()代表取到当前进程名 os.getppid()函数代表取到当前进程的父进程名

======================================================================

1.Queue模块

queue和Queue区别：

①queue是线程间数据共享用在threading线程中直接使用访问

②Queue是进程间数据传递用在multiprocessing多进程中（两份数据经过pickle编码实现数据一致）

from multiprocessing import Process,Queue
def f(qq):
    qq.put([1,'23','sdad'])
if __name__=='__main__':
    q=Queue()
    p=Process(target=f,args=(q,))
    p.start()
    print(q.get())
    p.join()

注意：

1from multiprocessing import Process,Queue　　从多进程模块中导入Queue模块

2实例化 q=Queue() 后可作为参数传递入其他进程

3Queue（用于进程）与queue（用于线程）一样 put函数可塞入各种类型的数据

=========================================================================

2.Pipe模块

①用作进程间的数据传递（两份数据 经过pickle编码 实现数据一致）

示例

from multiprocessing import Process,Pipe
def f(n):
    print(n.recv())
    n.send("it's me")
if __name__=='__main__':
    A,B=Pipe()
    m=Process(target=f,args=(B,))
    m.start()
    A.send("hello")
    print(A.recv())

注意：

1 Pipe模块也是从多进程模块中载入

2 A,B=Pipe() 实例化 Pipe后得到两个值分别代表要连接的两个进程

3 两进程间靠send与recv相互传递类似于socket用法

======================================================================

3.Manager模板

①利用manager实现数据的共享 做到多个进程修改同一个数据

from multiprocessing import Process,Manager

import os
def f(d,k):
    d[os.getpid()]=os.getpid()
    k.append(os.getpid())
    print(k)

if __name__=='__main__':
    m=Manager()
    d=m.dict()  #生成一个字典可在多个进程间共享和传递
    k=m.list()  #生成一个列表可在多个进程间共享和传递
    li=[]
    for i in range(10):
        p = Process(target=f, args=(d, k))
        p.start()
        li.append(p)
    for n in li:
        n.join()

    print(d)
    print(k)

注意：

1 Manager亦是从多线程模板导入

2 m=Manager() 实例化得到一个返回值以此可创建不同的字典.dict()与列表.list()　　[只有在Manager中才可对实例化对象创造字典与列表]

3 字典加数据直接d[key]=value

进程池pool

from multiprocessing import Process,Pool    #导入进程池模块
import time,os
def f(i):
    time.sleep(2)
    print(i)
    return i+1000
def g(arg):
    print("in end -%s"%os.getpid(),arg)
if __name__=='__main__':
    pool=Pool(processes=3)            #允许进程同时放入3个进程（其余线程等待）
    print('主线程',os.getpid())
    for i in range(10):
        #pool.apply(func=f,args=(i,))    #apply调用串行函数
        #pool.apply_async(func=f,args=(i,))#apply_async调用并行
        pool.apply_async(func=f,args=(i,),callback=g)  #最后增加callback实现 在前函数调用结束后再调用的函数 会传入参数（参数是前函数的返回值）
    print('end ---')
    pool.close()        #进程池 必须要先调用close关闭 在调用join函数
    pool.join()

注意：

1 from multiprocessing import Process,Pool #导入进程池pool模块

2 pool=Pool(processes=3) 以此种方式实例化进程池参数为同时放入的最大进程数

3 有两种调用函数 pool.apply(func=f,args=(i,))　　　　　　此为串行（一个进程结束后另一进程继续）

　　　　　　　　pool.apply_async(func=f,args=(i,))　　　此为并行（同时进行）

4 pool.apply_async(func=f,args=(i,),callback=g) 最后增加callback实现在前函数func调用结束后再调用函数会传入参数（参数是前函数的返回值）

5 进程池必须先close关闭再调用join函数

　　　　-----若先调用join会报错

　　　　-----只调用close会结束主进程后退出不会执行完其他进程

#queue和Queue区别（不同进程不可直接访问数据）
#queue是线程间数据共享 用在threading线程中直接使用访问
#Queue是进程间数据传递  用在multiprocessing多进程中（两份数据 经过pickle编码 实现数据一致）

day12学python