利用 Python 实现多任务进程-python 多进程

[[428503]]

本文转载自微信公众号「杰哥的IT之旅」，作者阿拉斯加。转载本文请联系杰哥的IT之旅公众号。

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

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.

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。

三、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 的 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。

四、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:

有结果可知：全局变量不共享;

五、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。

六、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：

运行前后文件目录结构对比

运行前

运行后

以上内容就是整体大致结果了，由于 test 里面是随便粘贴的测试文件，这里就不展开演示了。