多进程

要让Python程序实现多进程(multiprocessing),我们先了解操作系统的相关知识。

Unix/Linux操作系统提供了一个fork()系统调用,它非常特殊。普通的函数调用,调用一次,返回一次,但是fork()调用一次,返回两次,因为操作系统自动把当前进程(称为父进程)复制了一份(称为子进程),然后,分别在父进程和子进程内返回。

子进程永远返回0,而父进程返回子进程的ID。这样做的理由是,一个父进程可以fork出很多子进程,所以,父进程要记下每个子进程的ID,而子进程只需要调用getppid()就可以拿到父进程的ID。

Python的os模块封装了常见的系统调用,其中就包括fork,可以在Python程序中轻松创建子进程:

  1. import os
  2. print('Process (%s) start...' % os.getpid())
  3. # Only works on Unix/Linux/Mac:
  4. pid = os.fork()
  5. if pid == 0:
  6. print('I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid()))
  7. else:
  8. print('I (%s) just created a child process (%s).' % (os.getpid(), pid))

运行结果如下:

  1. Process (876) start...
  2. I (876) just created a child process (877).
  3. I am child process (877) and my parent is 876.

由于Windows没有fork调用,上面的代码在Windows上无法运行。由于Mac系统是基于BSD(Unix的一种)内核,所以,在Mac下运行是没有问题的,推荐大家用Mac学Python!

有了fork调用,一个进程在接到新任务时就可以复制出一个子进程来处理新任务,常见的Apache服务器就是由父进程监听端口,每当有新的http请求时,就fork出子进程来处理新的http请求。

multiprocessing

如果你打算编写多进程的服务程序,Unix/Linux无疑是正确的选择。由于Windows没有fork调用,难道在Windows上无法用Python编写多进程的程序?

由于Python是跨平台的,自然也应该提供一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。

multiprocessing模块提供了一个Process类来代表一个进程对象,下面的例子演示了启动一个子进程并等待其结束:

  1. from multiprocessing import Process
  2. import os
  3. # 子进程要执行的代码
  4. def run_proc(name):
  5. print('Run child process %s (%s)...' % (name, os.getpid()))
  6. if __name__=='__main__':
  7. print('Parent process %s.' % os.getpid())
  8. p = Process(target=run_proc, args=('test',))
  9. print('Child process will start.')
  10. p.start()
  11. p.join()
  12. print('Child process end.')

执行结果如下:

  1. Parent process 928.
  2. Process will start.
  3. Run child process test (929)...
  4. Process end.

创建子进程时,只需要传入一个执行函数和函数的参数,创建一个Process实例,用start()方法启动,这样创建进程比fork()还要简单。

join()方法可以等待子进程结束后再继续往下运行,通常用于进程间的同步。

Pool

如果要启动大量的子进程,可以用进程池的方式批量创建子进程:

  1. from multiprocessing import Pool
  2. import os, time, random
  3. def long_time_task(name):
  4. print('Run task %s (%s)...' % (name, os.getpid()))
  5. start = time.time()
  6. time.sleep(random.random() * 3)
  7. end = time.time()
  8. print('Task %s runs %0.2f seconds.' % (name, (end - start)))
  9. if __name__=='__main__':
  10. print('Parent process %s.' % os.getpid())
  11. p = Pool(4)
  12. for i in range(5):
  13. p.apply_async(long_time_task, args=(i,))
  14. print('Waiting for all subprocesses done...')
  15. p.close()
  16. p.join()
  17. print('All subprocesses done.')

执行结果如下:

  1. Parent process 669.
  2. Waiting for all subprocesses done...
  3. Run task 0 (671)...
  4. Run task 1 (672)...
  5. Run task 2 (673)...
  6. Run task 3 (674)...
  7. Task 2 runs 0.14 seconds.
  8. Run task 4 (673)...
  9. Task 1 runs 0.27 seconds.
  10. Task 3 runs 0.86 seconds.
  11. Task 0 runs 1.41 seconds.
  12. Task 4 runs 1.91 seconds.
  13. All subprocesses done.

代码解读:

Pool对象调用join()方法会等待所有子进程执行完毕,调用join()之前必须先调用close(),调用close()之后就不能继续添加新的Process了。

请注意输出的结果,task 0123是立刻执行的,而task 4要等待前面某个task完成后才执行,这是因为Pool的默认大小在我的电脑上是4,因此,最多同时执行4个进程。这是Pool有意设计的限制,并不是操作系统的限制。如果改成:

  1. p = Pool(5)

就可以同时跑5个进程。

由于Pool的默认大小是CPU的核数,如果你不幸拥有8核CPU,你要提交至少9个子进程才能看到上面的等待效果。

子进程

很多时候,子进程并不是自身,而是一个外部进程。我们创建了子进程后,还需要控制子进程的输入和输出。

subprocess模块可以让我们非常方便地启动一个子进程,然后控制其输入和输出。

下面的例子演示了如何在Python代码中运行命令nslookup www.python.org,这和命令行直接运行的效果是一样的:

  1. import subprocess
  2. print('$ nslookup www.python.org')
  3. r = subprocess.call(['nslookup', 'www.python.org'])
  4. print('Exit code:', r)

运行结果:

  1. $ nslookup www.python.org
  2. Server: 192.168.19.4
  3. Address: 192.168.19.4#53
  4. Non-authoritative answer:
  5. www.python.org canonical name = python.map.fastly.net.
  6. Name: python.map.fastly.net
  7. Address: 199.27.79.223
  8. Exit code: 0

如果子进程还需要输入,则可以通过communicate()方法输入:

  1. import subprocess
  2. print('$ nslookup')
  3. p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
  4. output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
  5. print(output.decode('utf-8'))
  6. print('Exit code:', p.returncode)

上面的代码相当于在命令行执行命令nslookup,然后手动输入:

  1. set q=mx
  2. python.org
  3. exit

运行结果如下:

  1. $ nslookup
  2. Server: 192.168.19.4
  3. Address: 192.168.19.4#53
  4. Non-authoritative answer:
  5. python.org mail exchanger = 50 mail.python.org.
  6. Authoritative answers can be found from:
  7. mail.python.org internet address = 82.94.164.166
  8. mail.python.org has AAAA address 2001:888:2000:d::a6
  9. Exit code: 0

进程间通信

Process之间肯定是需要通信的,操作系统提供了很多机制来实现进程间的通信。Python的multiprocessing模块包装了底层的机制,提供了QueuePipes等多种方式来交换数据。

我们以Queue为例,在父进程中创建两个子进程,一个往Queue里写数据,一个从Queue里读数据:

  1. from multiprocessing import Process, Queue
  2. import os, time, random
  3. # 写数据进程执行的代码:
  4. def write(q):
  5. print('Process to write: %s' % os.getpid())
  6. for value in ['A', 'B', 'C']:
  7. print('Put %s to queue...' % value)
  8. q.put(value)
  9. time.sleep(random.random())
  10. # 读数据进程执行的代码:
  11. def read(q):
  12. print('Process to read: %s' % os.getpid())
  13. while True:
  14. value = q.get(True)
  15. print('Get %s from queue.' % value)
  16. if __name__=='__main__':
  17. # 父进程创建Queue,并传给各个子进程:
  18. q = Queue()
  19. pw = Process(target=write, args=(q,))
  20. pr = Process(target=read, args=(q,))
  21. # 启动子进程pw,写入:
  22. pw.start()
  23. # 启动子进程pr,读取:
  24. pr.start()
  25. # 等待pw结束:
  26. pw.join()
  27. # pr进程里是死循环,无法等待其结束,只能强行终止:
  28. pr.terminate()

运行结果如下:

  1. Process to write: 50563
  2. Put A to queue...
  3. Process to read: 50564
  4. Get A from queue.
  5. Put B to queue...
  6. Get B from queue.
  7. Put C to queue...
  8. Get C from queue.

在Unix/Linux下,multiprocessing模块封装了fork()调用,使我们不需要关注fork()的细节。由于Windows没有fork调用,因此,multiprocessing需要“模拟”出fork的效果,父进程所有Python对象都必须通过pickle序列化再传到子进程去,所有,如果multiprocessing在Windows下调用失败了,要先考虑是不是pickle失败了。

小结

在Unix/Linux下,可以使用fork()调用实现多进程。

要实现跨平台的多进程,可以使用multiprocessing模块。

进程间通信是通过QueuePipes等实现的。

参考源码

do_folk.py

multi_processing.py

pooled_processing.py

do_subprocess.py

do_queue.py

原文: https://wizardforcel.gitbooks.io/liaoxuefeng/content/py3/64.html