利用 Python 实现多任务进程

作者:阿拉斯加 时间:2023-12-19 02:53:52 

一、进程介绍

进程:正在执行的程序,由程序、数据和进程控制块组成,是正在执行的程序,程序的一次执行过程,是资源调度的基本单位。

程序:没有执行的代码,是一个静态的。

二、线程和进程之间的对比

利用 Python 实现多任务进程

由图可知:此时电脑有 9 个应用进程,但是一个进程又会对应于多个线程,可以得出结论:

进程:能够完成多任务,一台电脑上可以同时运行多个 QQ

线程:能够完成多任务,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.

三、使用多进程的优势

1、拥有独立GIL

首先由于进程中 GIL 的存在,Python 中的多线程并不能很好地发挥多核优势,一个进程中的多个线程,在同 一时刻只能有一个线程运行。而对于多进程来说,每个进程都有属于自己的 GIL,所以,在多核处理器下,多进程的运行是不会受 GIL的影响的。因此,多进 程能更好地发挥多核的优势。

2、效率高

当然,对于爬虫这种 IO 密集型任务来说,多线程和多进程影响差别并不大。对于计算密集型任务来说,Python 的多进程相比多线 程,其多核运行效率会有成倍的提升。

利用 Python 实现多任务进程

四、Python 实现多进程

我们先用一个实例来感受一下:

1、使用 process 类


import multiprocessing  
def process(index):  
   print(f'Process: {index}')  
if __name__ == '__main__':  
   for i in range(5):  
       p = multiprocessing.Process(target=process, args=(i,))  
       p.start()  

这是一个实现多进程最基础的方式:通过创建 Process 来新建一个子进程,其中 target 参数传入方法名,args 是方法的参数,是以 元组的形式传入,其和被调用的方法 process 的参数是一一对应的。

注意:这里 args 必须要是一个元组,如果只有一个参数,那也要在元组第一个元素后面加一个逗号,如果没有逗号则 和单个元素本身没有区别,无法构成元组,导致参数传递出现问题。创建完进程之后,我们通过调用 start 方法即可启动进程了。

运行结果如下:

Process: 0 
Process: 1 
Process: 2 
Process: 3 
Process: 4 

可以看到,我们运行了 5 个子进程,每个进程都调用了 process 方法。process 方法的 index 参数通过 Process args 传入,分别是 0~4 这 5 个序号,最后打印出来,5 个子进程运行结束。

2、继承 process 类


from multiprocessing import Process
import time

class MyProcess(Process):
   def __init__(self,loop):
       Process.__init__(self)
       self.loop = loop

def run(self):
       for count in range(self.loop):
           time.sleep(1)
           print(f'Pid:{self.pid} LoopCount: {count}')
if __name__ == '__main__':
   for i in range(2,5):
       p = MyProcess(i)
       p.start()

我们首先声明了一个构造方法,这个方法接收一个 loop 参数,代表循环次数,并将其设置为全局变量。在 run方法中,又使用这 个 loop 变量循环了 loop 次并打印了当前的进程号和循环次数。

在调用时,我们用 range 方法得到了 2、3、4 三个数字,并把它们分别初始化了 MyProcess 进程,然后调用 start 方法将进程启动起 来。

注意:这里进程的执行逻辑需要在 run 方法中实现,启动进程需要调用 start 方法,调用之后 run 方法便会执行。

运行结果如下:

Pid:12976 LoopCount: 0
Pid:15012 LoopCount: 0
Pid:11976 LoopCount: 0
Pid:12976 LoopCount: 1
Pid:15012 LoopCount: 1
Pid:11976 LoopCount: 1
Pid:15012 LoopCount: 2
Pid:11976 LoopCount: 2
Pid:11976 LoopCount: 3

注意:这里的进程 pid 代表进程号,不同机器、不同时刻运行结果可能不同。

五、进程之间的通信

1、Queue-队列 先进先出


from multiprocessing import Queue
import multiprocessing

def download(p): # 下载数据
   lst = [11,22,33,44]
   for item in lst:
       p.put(item)
   print('数据已经下载成功....')

def savedata(p):
   lst = []
   while True:
       data = p.get()
       lst.append(data)
       if p.empty():
           break
   print(lst)

def main():
   p1 = Queue()

t1 = multiprocessing.Process(target=download,args=(p1,))
   t2 = multiprocessing.Process(target=savedata,args=(p1,))

t1.start()
   t2.start()

if __name__ == '__main__':
   main()
数据已经下载成功....
[11, 22, 33, 44]

2、共享全局变量不适用于多进程编程


import multiprocessing

a = 1

def demo1():
   global a
   a += 1

def demo2():
   print(a)

def main():
   t1 = multiprocessing.Process(target=demo1)
   t2 = multiprocessing.Process(target=demo2)

t1.start()
   t2.start()

if __name__ == '__main__':
   main()

运行结果:

1

有结果可知:全局变量不共享;

六、进程池之间的通信

1、进程池引入

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 方法。


from multiprocessing import Pool
import os,time,random

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

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

if __name__ == '__main__':
   po = Pool(3)        # 定义一个进程池
   for i in range(0,10):
       po.apply_async(worker,(i,))    # 向进程池中添加worker的任务

print("--start--")
   po.close()      

po.join()        
   print("--end--")

运行结果:

--start--
0开始执行,进程号为6664
1开始执行,进程号为4772
2开始执行,进程号为13256
0 执行完成,耗时0.18
3开始执行,进程号为6664
2 执行完成,耗时0.16
4开始执行,进程号为13256
1 执行完成,耗时0.67
5开始执行,进程号为4772
4 执行完成,耗时0.87
6开始执行,进程号为13256
3 执行完成,耗时1.59
7开始执行,进程号为6664
5 执行完成,耗时1.15
8开始执行,进程号为4772
7 执行完成,耗时0.40
9开始执行,进程号为6664
6 执行完成,耗时1.80
8 执行完成,耗时1.49
9 执行完成,耗时1.36
--end--

一个进程池只能容纳 3 个进程,执行完成才能添加新的任务,在不断的打开与释放的过程中循环往复。

利用 Python 实现多任务进程

七、案例:文件批量复制

操作思路:

  • 获取要复制文件夹的名字

  • 创建一个新的文件夹

  • 获取文件夹里面所有待复制的文件名

  • 创建进程池

  • 向进程池添加任务

代码如下:

导包


import multiprocessing
import os
import time

定制文件复制函数


def copy_file(Q,oldfolderName,newfolderName,file_name):
   # 文件复制,不需要返回
   time.sleep(0.5)
   # print('\r从%s文件夹复制到%s文件夹的%s文件'%(oldfolderName,newfolderName,file_name),end='')

old_file = open(oldfolderName + '/' + file_name,'rb') # 待复制文件
   content = old_file.read()
   old_file.close()

new_file = open(newfolderName + '/' + file_name,'wb') # 复制出的新文件
   new_file.write(content)
   new_file.close()

Q.put(file_name) # 向Q队列中添加文件

定义主函数


def main():
   oldfolderName = input('请输入要复制的文件夹名字:') # 步骤1获取要复制文件夹的名字(可以手动创建,也可以通过代码创建,这里我们手动创建)
   newfolderName = oldfolderName + '复件'
   # 步骤二 创建一个新的文件夹
   if not os.path.exists(newfolderName):
       os.mkdir(newfolderName)

filenames = os.listdir(oldfolderName) # 3.获取文件夹里面所有待复制的文件名
   # print(filenames)

pool = multiprocessing.Pool(5) # 4.创建进程池

Q = multiprocessing.Manager().Queue() # 创建队列,进行通信
   for file_name in filenames:
       pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向进程池添加任务
     po.close()

copy_file_num = 0
   file_count = len(filenames)
   # 不知道什么时候完成,所以定义一个死循环
   while True:
       file_name = Q.get()
       copy_file_num += 1
       time.sleep(0.2)
       print('\r拷贝进度%.2f %%'%(copy_file_num  * 100/file_count),end='') # 做一个拷贝进度条

if copy_file_num >= file_count:
           break

程序运行


if __name__ == '__main__':
   main()

运行结果如下图所示:

利用 Python 实现多任务进程

运行前后文件目录结构对比

利用 Python 实现多任务进程

来源:https://developer.51cto.com/art/202110/685495.htm

标签:Python,多任务,进程
0
投稿

猜你喜欢

  • 将函数的实际参数转换成数组的方法

    2024-04-18 09:59:56
  • thinkphp学习笔记之多表查询

    2023-11-15 02:57:15
  • Python 使用 environs 库定义环境变量的方法

    2022-06-06 08:58:51
  • Python3 安装PyQt5及exe打包图文教程

    2021-09-24 12:43:56
  • vue3中关于路由hash与History的设置

    2024-05-13 09:14:24
  • Python使用requests发送POST请求实例代码

    2022-10-26 07:40:00
  • Python 使用 docopt 解析json参数文件过程讲解

    2021-06-30 21:44:00
  • Javascript基础之数组的使用

    2024-04-30 08:54:33
  • 激发你的灵感:50个优秀的Favicons设计

    2007-10-21 19:52:00
  • 使用 OpenAI API 和 Python 使用 GPT-3的操作方法

    2023-10-23 20:04:05
  • JS组件Bootstrap实现弹出框和提示框效果代码

    2023-07-02 05:25:13
  • pytorch Dataset,DataLoader产生自定义的训练数据案例

    2022-12-05 06:41:23
  • HTTP Headers 傻瓜教程[译]

    2010-01-25 12:48:00
  • 原生js实现放大镜组件

    2024-05-11 09:06:05
  • Python使用背景差分器实现运动物体检测

    2023-06-21 09:37:22
  • django 多数据库及分库实现方式

    2024-01-14 01:13:00
  • 基于python实现MQTT发布订阅过程原理解析

    2023-05-06 14:45:14
  • Python使用树状图实现可视化聚类详解

    2021-07-08 13:41:25
  • MySQL 参数相关概念及查询更改方法

    2024-01-15 02:17:54
  • python偏函数partial用法

    2023-09-24 22:25:06
  • asp之家 网络编程 m.aspxhome.com