python并发编程-进程池

禁忌石 2022-04-07

展开全文

在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。多进程是实现并发的手段之一，需要注意的问题是：

很明显需要并发执行的任务通常要远大于核数
一个操作系统不可能无限开启进程，通常有几个核就开几个进程
进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行）

例如当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个。。。手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。

我们就可以通过维护一个进程池来控制进程数目，比如httpd的进程模式，规定最小进程数和最大进程数..

ps：对于远程过程调用的高级应用程序而言，应该使用进程池，Pool可以提供指定数量的进程，供用户调用，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；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，就重用进程池中的进程。

python中的进程池

创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务，不会开启其他进程

1 Pool([numprocess [,initializer [, initargs]]]):创建进程池

参数介绍：

1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None3 initargs：是要传给initializer的参数组

方法介绍：

主要方法：

p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。   p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用

其他方法（了解部分）

方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。obj.ready():如果调用完成，返回Trueobj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常obj.wait([timeout]):等待结果变为可用。obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数

应用：

apply同步执行：阻塞式

from multiprocessing import Poolimport os,timedef work(n):    print('%s run' %os.getpid())    time.sleep(3)    return n**2if __name__ == '__main__':    p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务    res_l=[]    for i in range(10):        res=p.apply(work,args=(i,)) #同步运行,阻塞、直到本次任务执行完毕拿到res        res_l.append(res)    print(res_l)

apply_async异步执行：非阻塞

from multiprocessing import Poolimport os, timedef work(n):    print('%s run' % os.getpid())    time.sleep(3)    return n ** 2if __name__ == '__main__':    p = Pool(3)  # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务    res_l = []    for i in range(10):        res = p.apply_async(work, args=(i,))  # 同步运行,阻塞、直到本次任务执行完毕拿到res        res_l.append(res)    # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果，否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了    p.close()    p.join()    for res in res_l:        print(res.get())  # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get

发现：并发开启多个客户端，服务端同一时间只有3个不同的pid，干掉一个客户端，另外一个客户端才会进来，被3个进程之一处理

回调函数：

需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数

我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。

from multiprocessing import Poolimport requestsimport osdef get_page(url):    print('<进程%s> get %s' % (os.getpid(), url))    respone = requests.get(url)    if respone.status_code == 200:        return {'url': url, 'text': respone.text}def pasrse_page(res):    print('<进程%s> parse %s' % (os.getpid(), res['url']))    parse_res = 'url:<%s> size:[%s]\n' % (res['url'], len(res['text']))    with open('db.txt', 'a') as f:        f.write(parse_res)if __name__ == '__main__':    urls = [        'https://www.baidu.com',        'https://www.',        'https://www.',        'https://help.github.com/',        'http://www.sina.com.cn/'    ]    p = Pool(3)    res_l = []    for url in urls:        res = p.apply_async(get_page, args=(url,), callback=pasrse_page)        res_l.append(res)    p.close()    p.join()    print([res.get() for res in res_l])  # 拿到的是get_page的结果,其实完全没必要拿该结果,该结果已经传给回调函数处理了'''打印结果:<进程3388> get https://www.baidu.com<进程3389> get https://www.<进程3390> get https://www.<进程3388> get https://help.github.com/<进程3387> parse https://www.baidu.com<进程3389> get http://www.sina.com.cn/<进程3387> parse https://www.<进程3387> parse https://help.github.com/<进程3387> parse http://www.sina.com.cn/<进程3387> parse https://www.[{'url': 'https://www.baidu.com', 'text': '<!DOCTYPE html>\r\n...',...}]'''

如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数

from multiprocessing import Poolimport time,random,osdef work(n):    time.sleep(1)    return n**2if __name__ == '__main__':    p=Pool()    res_l=[]    for i in range(10):        res=p.apply_async(work,args=(i,))        res_l.append(res)    p.close()    p.join() #等待进程池中所有进程执行完毕    nums=[]    for res in res_l:        nums.append(res.get()) #拿到所有结果    print(nums) #主进程拿到所有的处理结果,可以在主进程中进行统一进行处理