Python全栈（四）高级编程技巧之9.Python多任务-进程

一、线程和进程之间的对比

1.代码解析

import os
import time

#创建子线程
pid = os.fork()
print('Hello World')

#判断是子线程
if pid == 0:
    print('s_fork:{},f_fork:{}'.format(os.getpid(),os.getppid()))
else:
    print('f_fork:{}'.format(os.getpid()))

进一步解释：
主进程os.fork()创建一个子进程，此时先执行主进程，pid不为0，执行else后的语句；
再执行创建的子进程，pid返回值为0，所以执行if后的语句。
关于os.fork()的详细解释：
os.fork()函数是用来新建进程。但它只在POSIX系统上可用，在windows版的Python中，os模块没有定义os.fork()函数。
os.fork()函数创建进程的过程是这样的:
程序每次执行时，操作系统都会创建一个新进程来运行程序指令。进程还可调用os.fork()，要求操作系统新建一个进程。父进程是调用os.fork()函数的进程，父进程所创建的进程叫子进程。每个进程都有一个不重复的进程ID号称为pid，它对进程进行标识。子进程与父进程完全相同，子进程从父进程继承了多个值的拷贝，如全局变量和环境变量。两个进程的唯一区别是fork的返回值。子进程接收返回值0，而父进程接收子进程的pid作为返回值。一个现有进程可以调用fork()函数创建一个新进程，由fork创建的新进程被称为子进程（child process）。fork()函数被调用一次但返回两次。两次返回的唯一区别是子进程中返回0值而父进程中返回子进程ID。对于程序，只要判断fork的返回值，就知道自己是处于父进程还是子进程中。
更进一步的解释可参考https://www.jianshu.com/p/e8f5b828cce0。

2.线程、进程对比

• 进程：
  当执行p.start()时，主进程复制一份代码到子进程，执行多任务；
  能够完成多任务，例如一台电脑上可以同时运行多个QQ。
  补充：
  不一定是多少个子进程就复制多少份代码，如果各个进程之间不修改公有变量，则可以共享一份代码，涉及到写时拷贝。
  
• 线程：
  当执行t.start()时，多个子线程共同执行一份代码；
  能够完成多任务，例如一个QQ中的多个聊天窗口。
  

根本区别：
进程是操作系统资源分配的基本单位，而线程是任务调度和执行的基本单位。

进程之间切换开销很大，线程之间切换开销很小。
线程可以看作一个轻量级的进程，同一类线程共享代码和数据空间。

二、进程间通信-Queue

进程间不能直接通信，要想实现两个进程间的通信，可以增加一个中间变量，如通过文件，一个进程写，另一个读，但是这种方式效率很低，一般通过队列Queue进行。
队列的特点是先进先出。

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
print('finished')

打印

finished

再尝试

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
q.put({'name':'Corley'})
print('finished')

显示

显然，当超过3条数据时会发生堵塞，只能强制停止。
改进代码：

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
# 直接抛出异常
q.put_nowait({'name':'Corley'})
print('finished')

打印

Traceback (most recent call last):
  File "xxx/demo.py", line 11, in <module>
    q.put_nowait({'name':'Corley'})
  File "xxxx\Python\Python37\lib\multiprocessing\queues.py", line 129, in put_nowait
    return self.put(obj, False)
  File "xxxx\Python\Python37\lib\multiprocessing\queues.py", line 83, in put
    raise Full
queue.Full

显示队列已满，不能再添加元素。
取数据：

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
print(q.get())
print(q.get())
print(q.get())
print('finished')

打印

1
Corley
[11, 22]
finished

按照先进先出的顺序取数据。
再尝试：

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
print(q.get())
print(q.get())
print(q.get())
# 堵塞
print(q.get())
print('finished')

显示：

显然，数据取完后再取也会发生堵塞。
改进代码：

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
q.put([11,22])
print(q.get())
print(q.get())
print(q.get())
# 堵塞，直接抛出异常
print(q.get_nowait())
print('finished')

打印

Traceback (most recent call last):
1
Corley
[11, 22]
  File "xxx/demo.py", line 14, in <module>
    print(q.get_nowait())
  File "xxxx\Python\Python37\lib\multiprocessing\queues.py", line 126, in get_nowait
    return self.get(False)
  File "xxxx\Python\Python37\lib\multiprocessing\queues.py", line 107, in get
    raise Empty
_queue.Empty

显示队列为空。
其他方法使用：

from multiprocessing import Queue


# 创建队列，最多存放3条数据
q = Queue(3)
# 存数据
q.put(1)
q.put('Corley')
# 判断队列是否为满
print(q.full())
q.put([11,22])
print(q.qsize())
print(q.get())
print(q.get())
print(q.get())
print(q.empty())
print('finished')

打印

False
3
1
Corley
[11, 22]
True
finished

队列在进程通信方面的实现原理如下：

下载和处理数据实现了分离，在一定程度上实现了解耦。
队列用于进程通信尝试：

import multiprocessing


def download(q):
    '''下载数据'''
    lis = [11, 22, 33]
    for item in lis:
        q.put(item)
    print('Download complete and save to queue')


def analyse(q):
    '''分析数据'''
    analyse_data = list()
    while True:
        data = q.get()
        analyse_data.append(data)
        if q.empty():
            break
    print(analyse_data)


def main():
    # 创建队列
    q = multiprocessing.Queue()
    p1 = multiprocessing.Process(target=download, args=(q,))
    p2 = multiprocessing.Process(target=analyse, args=(q,))
    p1.start()
    p2.start()


if __name__ == '__main__':
    main()

打印

Download complete and save to queue
[11, 22, 33]

三、多进程共享全局变量

进程之间共享变量尝试：

import multiprocessing


a = 1


def demo1():
    global a
    a += 1


def demo2():
    # 打印出的值为2，则是共享的
    print(a)


if __name__ == '__main__':
    p1 = multiprocessing.Process(target=demo1)
    p2 = multiprocessing.Process(target=demo2)
    p1.start()
    p2.start()

打印

1

打印出的结果为1，说明进程之间全局变量是不共享的，与线程不同。
用普通队列尝试：

import multiprocessing
from queue import Queue


def demo1(q):
    q.put('a')


def demo2(q):
    data = q.get()
    print(data)


if __name__ == '__main__':
    q = Queue()
    p1 = multiprocessing.Process(target=demo1, args=(q,))
    p2 = multiprocessing.Process(target=demo2, args=(q,))
    p1.start()
    p2.start()

打印

Traceback (most recent call last):
  File "xxx/demo.py", line 93, in <module>
    p1.start()
  File "xxxx\Python\Python37\lib\multiprocessing\process.py", line 112, in start
    self._popen = self._Popen(self)
  File "xxxx\Python\Python37\lib\multiprocessing\context.py", line 223, in _Popen
    return _default_context.get_context().Process._Popen(process_obj)
  File "xxxx\Python\Python37\lib\multiprocessing\context.py", line 322, in _Popen
    return Popen(process_obj)
  File "xxxx\Python\Python37\lib\multiprocessing\popen_spawn_win32.py", line 89, in __init__
    reduction.dump(process_obj, to_child)
  File "xxxx\Python\Python37\lib\multiprocessing\reduction.py", line 60, in dump
    ForkingPickler(file, protocol).dump(obj)
TypeError: can't pickle _thread.lock objects

报错，属于类型错误。
改进–线程调用run()方法即可达到效果：

import multiprocessing
from queue import Queue


def demo1(q):
    q.put('a')


def demo2(q):
    data = q.get()
    print(data)


if __name__ == '__main__':
    q = Queue()
    p1 = multiprocessing.Process(target=demo1, args=(q,))
    p2 = multiprocessing.Process(target=demo2, args=(q,))
    p1.run()
    p2.run()

打印

a

此时正常运行得到结果，但是已经不属于多进程了，因为调用的不是run()方法，所以普通队列不能实现真正的线程间通信，要实现跨线程通信，需要使用multiprocessing.Queue。
缺失参数异常处理尝试：

import multiprocessing


def demo1(q):
    try:
        q.put('a')
    except Exception as e:
        print(e.args[0])


def demo2(q):
    try:
        data = q.get()
        print(data)
    except Exception as e:
        print(e.args[0])


if __name__ == '__main__':
    q = multiprocessing.Queue()
    try:
        p1 = multiprocessing.Process(target=demo1)
        p2 = multiprocessing.Process(target=demo2)
        p1.start()
        p2.start()
    except Exception as e:
        print(e.args[0])

打印

Process Process-1:
Traceback (most recent call last):
  File "xxxx\Python\Python37\lib\multiprocessing\process.py", line 297, in _bootstrap
    self.run()
  File "xxxx\Python\Python37\lib\multiprocessing\process.py", line 99, in run
    self._target(*self._args, **self._kwargs)
TypeError: demo1() missing 1 required positional argument: 'q'
Process Process-2:
Traceback (most recent call last):
  File "xxxx\Python\Python37\lib\multiprocessing\process.py", line 297, in _bootstrap
    self.run()
  File "xxxx\Python\Python37\lib\multiprocessing\process.py", line 99, in run
    self._target(*self._args, **self._kwargs)
TypeError: demo2() missing 1 required positional argument: 'q'

显然，此时报错的位置不是在自己写的代码中，而是在Python自己的lib\multiprocessing\process.py中报错，属于Process类的参数错误。

四、进程池

1.进程池介绍

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态生成多个进程，但是如果是上百甚至上千个目标，手动的去创建的进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool类。
初始化Pool时，可以指定一个最大进程数，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，但是如果池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务。
原理如下图所示：

尝试：

from multiprocessing import Pool
import os, time, random


def work(msg):
    t_start = time.time()
    print('%s开始执行,进程号为%d' % (msg, os.getpid()))

    time.sleep(random.random() * 2)
    t_stop = time.time()
    print(msg, "执行完成,耗时%0.2f seconds" % (t_stop - t_start))


def demo():
    pass


if __name__ == '__main__':
    po = Pool(3)  # 定义一个进程池，包含3个进程
    for i in range(0, 10):
        # 添加任务，有10个任务
        po.apply_async(work, (i,))
    print("--start--")
    # 关闭进程池，不再接收新的任务请求
    po.close()
    # 等待子进程执行完成，主进程再结束
    po.join()
    print("--end--")

显示：

易知，最开始有0、1、2三个进程执行，0执行完成后3开始执行，1执行完成后4开始执行，3执行完成后5开始执行，一直循环，直到所有进程完成。
修改进程池参数–包含4个进程：

from multiprocessing import Pool
import os, time, random


def work(msg):
    t_start = time.time()
    print('%s开始执行,进程号为%d' % (msg, os.getpid()))

    time.sleep(random.random() * 2)
    t_stop = time.time()
    print(msg, "执行完成,耗时%0.2f seconds" % (t_stop - t_start))


def demo():
    pass


if __name__ == '__main__':
    po = Pool(4)  # 定义一个进程池，包含3个进程
    for i in range(0, 10):
        # 添加任务，有10个任务
        po.apply_async(work, (i,))
    print("--start--")
    # 关闭进程池，不再接收新的任务请求
    po.close()
    # 等待子进程执行完成，主进程再结束
    po.join()
    print("--end--")

显示：

显然，进程池有4个进程时，执行效率更高，因为同时有4个进程在执行。
po.close()执行后不能再添加任务：

from multiprocessing import Pool
import os, time, random


def work(msg):
    t_start = time.time()
    print('%s开始执行,进程号为%d' % (msg, os.getpid()))

    time.sleep(random.random() * 2)
    t_stop = time.time()
    print(msg, "执行完成,耗时%0.2f seconds" % (t_stop - t_start))


def demo():
    pass


if __name__ == '__main__':
    po = Pool(4)  # 定义一个进程池，包含3个进程
    for i in range(0, 10):
        # 添加任务，有10个任务
        po.apply_async(work, (i,))
    print("--start--")
    # 关闭进程池，不再接收新的任务请求
    po.close()
    po.apply_async(demo)
    # 等待子进程执行完成，主进程再结束
    po.join()
    print("--end--")

打印

--start--
Traceback (most recent call last):
  File "xxx/demo.py", line 151, in <module>
    po.apply_async(demo)
  File "xxxx\Python\Python37\lib\multiprocessing\pool.py", line 362, in apply_async
    raise ValueError("Pool not running")
ValueError: Pool not running

要添加任务，必须要在po.close()之前添加。

2.进程池中进程间的通信

用multiprocessing.Queue进行尝试：

import multiprocessing

def demo1(q):
    q.put('a')


def demo2(q):
    data = q.get()
    print(data)


if __name__ == '__main__':
    q = multiprocessing.Queue()
    po = multiprocessing.Pool()
    po.apply_async(demo1,(q,))
    po.apply_async(demo2, (q,))
    po.close()
    po.join()

打印

打印为空，即没有实现进程池的进程间通信。
进行测试：

import multiprocessing

def demo1(q):
    print(1)
    q.put('a')


def demo2(q):
    print(2)
    data = q.get()
    print(data)


if __name__ == '__main__':
    q = multiprocessing.Queue()
    po = multiprocessing.Pool()
    po.apply_async(demo1,(q,))
    po.apply_async(demo2, (q,))
    po.close()
    po.join()

打印

还是为空，进一步进行异常处理：

import multiprocessing

def demo1(q):
    try:
        q.put('a')
    except Exception as e:
        print(e.args[0])



def demo2(q):
    try:
        data = q.get()
        print(data)
    except Exception as e:
        print(e.args[0])


if __name__ == '__main__':
    q = multiprocessing.Queue()
    po = multiprocessing.Pool()
    po.apply_async(demo1,(q,))
    po.apply_async(demo2, (q,))
    po.close()
    po.join()

打印

还是为空，显然可得，demo1()和demo2()两个函数根本没有执行，所以进程池的进程间通信不能用multiprocessing.Queue，要用multiprocessing.Manager().Queue。
再次尝试：

import multiprocessing

def demo1(q):
    try:
        q.put('a')
    except Exception as e:
        print(e.args[0])



def demo2(q):
    try:
        data = q.get()
        print(data)
    except Exception as e:
        print(e.args[0])


if __name__ == '__main__':
    q = multiprocessing.Manager().Queue()
    po = multiprocessing.Pool()
    po.apply_async(demo1,(q,))
    po.apply_async(demo2, (q,))
    po.close()
    po.join()

打印

a

此时正常运行。
进程池里的进程，如果出现异常，不会主动抛出，所以在用进程池实现多任务时尽量增加异常处理try...except...。
总结：
现在有3种队列：
（1）queue.Queue：
不能完成进程之间的通信；
（2）multiprocessing.Queue：
实现进程间的通信；
（3）multiprocessing.Manager().Queue：
实现进程池间的进程通信。

五、应用–多任务文件夹复制

实现思路：

• 获取用户要复制的文件夹名
• 创建新的文件夹
• 获取文件夹中所有待拷贝的文件名字
• 创建进程池
• 添加拷贝任务

代码初步实现：

import multiprocessing
import os


def copy_file(index,file_name,new_folder,old_folder):
    '''文件拷贝'''
    print('%2d:File to Copy:%s' % (index + 1,file_name))
    # 读取旧文件
    old_file = open(old_folder + '/' + file_name,'rb')
    content = old_file.read()
    old_file.close()
    # 保存到新的文件夹
    # new_file = open(new_folder + '/' + file_name, 'wb')
    # new_file.write(content)
    # new_file.close()
    with open(new_folder + '/' + file_name, 'wb') as f:
        f.write(content)
    print('%2d:File %s Copy Finished' % (index + 1,file_name))


def main():
    # 获取用户要复制的文件夹名
    old_folder = input('Inout Directory Name:')
    # 创建新的文件夹
    new_folder = old_folder + '--copy'
    if not os.path.exists(new_folder):
        os.mkdir(new_folder)
    # 获取文件夹中所有待拷贝的文件名字
    file_list = os.listdir(old_folder)
    # 创建进程池
    po = multiprocessing.Pool(5)
    # 添加拷贝任务
    for index,file_name in enumerate(file_list):
        po.apply_async(copy_file,args=(index,file_name,new_folder,old_folder))
    po.close()
    po.join()


if __name__ == '__main__':
    main()

打印

Inout Directory Name:test
 2:File to Copy:_collections_abc.py
 1:File to Copy:_bootlocale.py
 5:File to Copy:_dummy_thread.py
 3:File to Copy:_compat_pickle.py
 4:File to Copy:_compression.py
 2:File _collections_abc.py Copy Finished
 6:File to Copy:_markupbase.py
 5:File _dummy_thread.py Copy Finished
 1:File _bootlocale.py Copy Finished
 3:File _compat_pickle.py Copy Finished
 4:File _compression.py Copy Finished
 6:File _markupbase.py Copy Finished
 7:File to Copy:_osx_support.py
 8:File to Copy:_pydecimal.py
 7:File _osx_support.py Copy Finished
 9:File to Copy:_pyio.py
 8:File _pydecimal.py Copy Finished
10:File to Copy:_py_abc.py
11:File to Copy:__future__.py
 9:File _pyio.py Copy Finished
11:File __future__.py Copy Finished
12:File to Copy:__phello__.foo.py
10:File _py_abc.py Copy Finished
12:File __phello__.foo.py Copy Finished

进一步扩展–增加进度显示

import multiprocessing
import os
import random
import time


def copy_file(index,file_name,new_folder,old_folder,q):
    '''文件拷贝'''
    print('%2d:File to Copy:%s' % (index + 1,file_name))
    # 读取旧文件
    old_file = open(old_folder + '/' + file_name,'rb')
    content = old_file.read()
    old_file.close()
    # 保存到新的文件夹
    # new_file = open(new_folder + '/' + file_name, 'wb')
    # new_file.write(content)
    # new_file.close()
    with open(new_folder + '/' + file_name, 'wb') as f:
        f.write(content)
    q.put(file_name)
    print('%2d:File %s Copy Finished' % (index + 1,file_name))
    time.sleep(random.random() * 5)


def main():
    # 获取用户要复制的文件夹名
    old_folder = input('Inout Directory Name:')
    # 创建新的文件夹
    new_folder = old_folder + '--copy'
    if not os.path.exists(new_folder):
        os.mkdir(new_folder)
    # 获取文件夹中所有待拷贝的文件名字
    file_list = os.listdir(old_folder)
    # 创建进程池
    po = multiprocessing.Pool(5)
    # 创建队列
    q = multiprocessing.Manager().Queue()
    # 添加拷贝任务
    for index,file_name in enumerate(file_list):
        po.apply_async(copy_file,args=(index,file_name,new_folder,old_folder,q))
    po.close()
    # 增加进度条
    file_count = len(file_list)
    copy_count = 0
    while True:
        q.get()
        copy_count += 1
        print('Copy Process：%2.2f%%' % (copy_count / file_count * 100.0))
        # 退出循环
        if copy_count >= file_count:
            break
    po.join()


if __name__ == '__main__':
    main()

显示