上一篇文章介紹了線程的使用。然而 Python 中由于 Global Interpreter Lock （全局解釋鎖 GIL ）的存在，每個(gè)線程在在執(zhí)行時(shí)需要獲取到這個(gè) GIL ，在同一時(shí)刻中只有一個(gè)線程得到解釋鎖的執(zhí)行， Python 中的線程并沒有真正意義上的并發(fā)執(zhí)行，多線程的執(zhí)行效率也不一定比單線程的效率更高。 如果要充分利用現(xiàn)代多核 CPU 的并發(fā)能力，就要使用 multipleprocessing 模塊了。

0x01 multipleprocessing

與使用線程的 threading 模塊類似， multipleprocessing 模塊提供許多高級(jí) API 。最常見的是 Pool 對(duì)象了，使用它的接口能很方便地寫出并發(fā)執(zhí)行的代碼。

            
from multiprocessing import Pool
def f(x):
 return x * x
if __name__ == '__main__':
 with Pool(5) as p:
  # map方法的作用是將f()方法并發(fā)地映射到列表中的每個(gè)元素
  print(p.map(f, [1, 2, 3]))
# 執(zhí)行結(jié)果
# [1, 4, 9]
          

關(guān)于 Pool 下文中還會(huì)提到，這里我們先來看 Process 。

Process

要?jiǎng)?chuàng)建一個(gè)進(jìn)程可以使用 Process 類，使用 start() 方法啟動(dòng)進(jìn)程。

            
from multiprocessing import Process
import os
def echo(text):
 # 父進(jìn)程ID
 print("Process Parent ID : ", os.getppid())
 # 進(jìn)程ID
 print("Process PID : ", os.getpid())
 print('echo : ', text)
if __name__ == '__main__':
 p = Process(target=echo, args=('hello process',))
 p.start()
 p.join()
# 執(zhí)行結(jié)果
# Process Parent ID : 27382
# Process PID : 27383
# echo : hello process
          

進(jìn)程池

正如開篇提到的 multiprocessing 模塊提供了 Pool 類可以很方便地實(shí)現(xiàn)一些簡(jiǎn)單多進(jìn)程場(chǎng)景。 它主要有以下接口

• apply(func[, args[, kwds]])
• 執(zhí)行 func(args,kwds) 方法，在方法結(jié)束返回前會(huì)阻塞。
• apply_async(func[, args[, kwds[, callback[, error_callback]]]])
• 異步執(zhí)行 func(args,kwds) ，會(huì)立即返回一個(gè) result 對(duì)象，如果指定了 callback 參數(shù)，結(jié)果會(huì)通過回調(diào)方法返回，還可以指定執(zhí)行出錯(cuò)的回調(diào)方法 error_callback()
• map(func, iterable[, chunksize])
• 類似內(nèi)置函數(shù) map() ，可以并發(fā)執(zhí)行 func ，是同步方法
• map_async(func, iterable[, chunksize[, callback[, error_callback]]])
• 異步版本的 map
• close()
• 關(guān)閉進(jìn)程池。當(dāng)池中的所有工作進(jìn)程都執(zhí)行完畢時(shí)，進(jìn)程會(huì)退出。
• terminate()
• 終止進(jìn)程池
• join()
• 等待工作進(jìn)程執(zhí)行完，必需先調(diào)用 close() 或者 terminate()
  

            
from multiprocessing import Pool
def f(x):
 return x * x
if __name__ == '__main__':
 with Pool(5) as p:
  # map方法的作用是將f()方法并發(fā)地映射到列表中的每個(gè)元素
  a = p.map(f, [1, 2, 3])
  print(a)
  # 異步執(zhí)行map
  b = p.map_async(f, [3, 5, 7, 11])
  # b 是一個(gè)result對(duì)象，代表方法的執(zhí)行結(jié)果
  print(b)
  # 為了拿到結(jié)果，使用join方法等待池中工作進(jìn)程退出
  p.close()
  # 調(diào)用join方法前，需先執(zhí)行close或terminate方法
  p.join()
  # 獲取執(zhí)行結(jié)果
  print(b.get())
# 執(zhí)行結(jié)果
# [1, 4, 9]
# 
            
              
# [9, 25, 49, 121]
            
          

map_async() 和 apply_async() 執(zhí)行后會(huì)返回一個(gè) class multiprocessing.pool.AsyncResult 對(duì)象，通過它的 get() 可以獲取到執(zhí)行結(jié)果， ready() 可以判斷 AsyncResult 的結(jié)果是否準(zhǔn)備好。

進(jìn)程間數(shù)據(jù)的傳輸

multiprocessing 模塊提供了兩種方式用于進(jìn)程間的數(shù)據(jù)共享：隊(duì)列( Queue )和管道( Pipe )

Queue 是線程安全，也是進(jìn)程安全的。使用 Queue 可以實(shí)現(xiàn)進(jìn)程間的數(shù)據(jù)共享，例如下面的 demo 中子進(jìn)程 put 一個(gè)對(duì)象，在主進(jìn)程中就能 get 到這個(gè)對(duì)象。 任何可以序列化的對(duì)象都可以通過 Queue 來傳輸。

            
from multiprocessing import Process, Queue
def f(q):
 q.put([42, None, 'hello'])
if __name__ == '__main__':
 # 使用Queue進(jìn)行數(shù)據(jù)通信
 q = Queue()
 p = Process(target=f, args=(q,))
 p.start()
 # 主進(jìn)程取得子進(jìn)程中的數(shù)據(jù)
 print(q.get()) # prints "[42, None, 'hello']"
 p.join()
# 執(zhí)行結(jié)果
# [42, None, 'hello']
          

Pipe() 返回一對(duì)通過管道連接的 Connection 對(duì)象。這兩個(gè)對(duì)象可以理解為管道的兩端，它們通過 send() 和 recv() 發(fā)送和接收數(shù)據(jù)。

            
from multiprocessing import Process, Pipe
def write(conn):
 # 子進(jìn)程中發(fā)送一個(gè)對(duì)象
 conn.send([42, None, 'hello'])
 conn.close()
def read(conn):
 # 在讀的進(jìn)程中通過recv接收對(duì)象
 data = conn.recv()
 print(data)
if __name__ == '__main__':
 # Pipe()方法返回一對(duì)連接對(duì)象
 w_conn, r_conn = Pipe()
 wp = Process(target=write, args=(w_conn,))
 rp = Process(target=read, args=(r_conn,))
 wp.start()
 rp.start()
# 執(zhí)行結(jié)果
# [42, None, 'hello']
          

需要注意的是，兩個(gè)進(jìn)程不能同時(shí)對(duì)一個(gè)連接對(duì)象進(jìn)行 send 或 recv 操作。

同步

我們知道線程間的同步是通過鎖機(jī)制來實(shí)現(xiàn)的，進(jìn)程也一樣。

            
from multiprocessing import Process, Lock
import time
def print_with_lock(l, i):
 l.acquire()
 try:
  time.sleep(1)
  print('hello world', i)
 finally:
  l.release()
def print_without_lock(i):
 time.sleep(1)
 print('hello world', i)
if __name__ == '__main__':
 lock = Lock()
 # 先執(zhí)行有鎖的
 for num in range(5):
  Process(target=print_with_lock, args=(lock, num)).start()
 # 再執(zhí)行無鎖的
 # for num in range(5):
 #  Process(target=print_without_lock, args=(num,)).start()
          

有鎖的代碼將每秒依次打印

hello world 0
hello world 1
hello world 2
hello world 3
hello world 4

如果執(zhí)行無鎖的代碼，則在我的電腦上執(zhí)行結(jié)果是這樣的

hello worldhello world? 0
1
hello world 2
hello world 3
hello world 4

除了 Lock ，還包括 RLock 、 Condition 、 Semaphore 和 Event 等進(jìn)程間的同步原語。其用法也與線程間的同步原語很類似。 API 使用可以參考文末中引用的文檔鏈接。

在工程中實(shí)現(xiàn)進(jìn)程間的數(shù)據(jù)共享應(yīng)當(dāng)優(yōu)先使用 隊(duì)列或管道。

0x02 總結(jié)

本文對(duì) multiprocessing 模塊中常見的 API 作了簡(jiǎn)單的介紹。講述了 Process 和 Pool 的常見用法，同時(shí)介紹了進(jìn)程間的數(shù)據(jù)方式：隊(duì)列和管道。最后簡(jiǎn)單了解了進(jìn)程間的同步原語。