python ---多进程 Multiprocessing

和 threading 的比较

多进程 Multiprocessing 和多线程 threading 类似, 他们都是在 python 中用来并行运算的. 不过既然有了 threading,

为什么 Python 还要出一个 multiprocessing 呢? 原因很简单, 就是用来弥补 threading 的一些劣势, 比如在 threading 教程中提到的GIL.

创建多进程

import multiprocessing as mp
import threading as td

def job(a,b):
    print(a,b)

t1 = td.Thread(target=job,args=(1,2))
p1 = mp.Process(target=job,args=(1,2))

p1.start()

结果保存在mp.queue里

queue模块实现了面向多生产线程、多消费线程的队列，

multiprocessing.queue模块实现了面向多成产进程、多消费进程的队列

Queue.Queue是进程内非阻塞队列。多进程各自私有

multiprocess.Queue是跨进程通信队列。各子进程共有。

 import multiprocessing as mp
 import threading as td

 def job(q):
     res = 0
     for i in range(1000):
         res+=i+i**2+i**3
     q.put(res)

 q = mp.Queue()
 p1 = mp.Process(target=job,args=(q,))
 p2 = mp.Process(target=job,args=(q,))
 p1.start()
 p2.start()
 p1.join()
 p2.join()
 res1 = q.get()
 res2 = q.get()
 print(res1+res2)

进程池pool

https://stackoverflow.com/questions/8533318/multiprocessing-pool-when-to-use-apply-apply-async-or-map

 import multiprocessing as mp

 def job(x):
     return x*x
 pool = mp.Pool()

 pool = mp.Pool()
 res = pool.map(job, range(10))
 print(res)

 res = pool.apply_async(job, (2,))
 # 用get获得结果
 print(res.get())

定义共享内存

其中d和i参数用来设置数据类型的，d表示一个双精浮点类型，i表示一个带符号的整型。

import multiprocessing as mp

value1 = mp.Value('i', 0)
value2 = mp.Value('d', 3.14)

这里的Array和numpy中的不同，它只能是一维的，不能是多维的。同样和Value 一样，需要定义数据形式，否则会报错。

array = mp.Array('i', [1, 2, 3, 4])

https://docs.python.org/3/library/array.html

加锁

 import multiprocessing as mp

 def job(v,num,lock):
     lock.acquire() # 锁住
     for _ in range(10):
         time.sleep(0.1)
         v.value +=1
         print(v.value)
     lock.release()

 l = mp.Lock() # 定义一个进程锁
 v = mp.Value('i', 0) # 定义共享内存
 p1 = mp.Process(target=job, args=(v,1,l)) # 需要将lock传入
 p2 = mp.Process(target=job, args=(v,3,l))
 p1.start()
 p2.start()
 p1.join()
 p2.join()