关于我
编程界的一名小程序猿，目前在一个创业团队任team lead，技术栈涉及Android、Python、Java和Go，这个也是我们团队的主要技术栈。 联系：hylinux1024@gmail.com
0x00 使用进程实现并发
介绍了线程的使用。然而Python中由于（全局解释锁GIL）的存在，每个线程在在执行时需要获取到这个GIL，在同一时刻中只有一个线程得到解释锁的执行，Python中的线程并没有真正意义上的并发执行，多线程的执行效率也不一定比单线程的效率更高。 如果要充分利用现代多核CPU的并发能力，就要使用multipleprocessing模块了。
0x01 multipleprocessing
与使用线程的threading模块类似，multipleprocessing模块提供许多高级API。最常见的是Pool对象了，使用它的接口能很方便地写出并发执行的代码。
from multiprocessing import Pooldef f(x): return x * xif __name__ == '__main__': with Pool(5) as p: # map方法的作用是将f()方法并发地映射到列表中的每个元素 print(p.map(f, [1, 2, 3]))# 执行结果# [1, 4, 9]复制代码
关于Pool下文中还会提到，这里我们先来看Process。
Process
要创建一个进程可以使用Process类，使用start()方法启动进程。
from multiprocessing import Processimport osdef echo(text): # 父进程ID print("Process Parent ID : ", os.getppid()) # 进程ID print("Process PID : ", os.getpid()) print('echo : ', text)if __name__ == '__main__': p = Process(target=echo, args=('hello process',)) p.start() p.join() # 执行结果# Process Parent ID : 27382# Process PID : 27383# echo : hello process复制代码 进程池
正如开篇提到的multiprocessing模块提供了Pool类可以很方便地实现一些简单多进程场景。 它主要有以下接口
apply(func[, args[, kwds]])执行func(args,kwds)方法，在方法结束返回前会阻塞。apply_async(func[, args[, kwds[, callback[, error_callback]]]])异步执行func(args,kwds)，会立即返回一个result对象，如果指定了callback参数，结果会通过回调方法返回，还可以指定执行出错的回调方法error_callback()map(func, iterable[, chunksize])类似内置函数map()，可以并发执行func，是同步方法map_async(func, iterable[, chunksize[, callback[, error_callback]]])异步版本的mapclose()关闭进程池。当池中的所有工作进程都执行完毕时，进程会退出。terminate()终止进程池join()等待工作进程执行完，必需先调用close()或者terminate()
from multiprocessing import Pooldef f(x): return x * xif __name__ == '__main__': with Pool(5) as p: # map方法的作用是将f()方法并发地映射到列表中的每个元素 a = p.map(f, [1, 2, 3]) print(a) # 异步执行map b = p.map_async(f, [3, 5, 7, 11]) # b 是一个result对象，代表方法的执行结果 print(b) # 为了拿到结果，使用join方法等待池中工作进程退出 p.close() # 调用join方法前，需先执行close或terminate方法 p.join() # 获取执行结果 print(b.get())# 执行结果# [1, 4, 9]## [9, 25, 49, 121]复制代码
map_async()和apply_async()执行后会返回一个class multiprocessing.pool.AsyncResult对象，通过它的get()可以获取到执行结果，ready()可以判断AsyncResult的结果是否准备好。
进程间数据的传输
multiprocessing模块提供了两种方式用于进程间的数据共享：队列(Queue)和管道(Pipe)
Queue是线程安全，也是进程安全的。使用Queue可以实现进程间的数据共享，例如下面的demo中子进程put一个对象，在主进程中就能get到这个对象。 任何可以序列化的对象都可以通过Queue来传输。
from multiprocessing import Process, Queuedef f(q): q.put([42, None, 'hello'])if __name__ == '__main__': # 使用Queue进行数据通信 q = Queue() p = Process(target=f, args=(q,)) p.start() # 主进程取得子进程中的数据 print(q.get()) # prints "[42, None, 'hello']" p.join()# 执行结果# [42, None, 'hello']复制代码
Pipe()返回一对通过管道连接的Connection对象。这两个对象可以理解为管道的两端，它们通过send()和recv()发送和接收数据。
from multiprocessing import Process, Pipedef write(conn): # 子进程中发送一个对象 conn.send([42, None, 'hello']) conn.close()def read(conn): # 在读的进程中通过recv接收对象 data = conn.recv() print(data)if __name__ == '__main__': # Pipe()方法返回一对连接对象 w_conn, r_conn = Pipe() wp = Process(target=write, args=(w_conn,)) rp = Process(target=read, args=(r_conn,)) wp.start() rp.start()# 执行结果# [42, None, 'hello']复制代码
需要注意的是，两个进程不能同时对一个连接对象进行send或recv操作。
同步
我们知道线程间的同步是通过锁机制来实现的，进程也一样。
from multiprocessing import Process, Lockimport timedef 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() # 先执行有锁的 for num in range(5): Process(target=print_with_lock, args=(lock, num)).start() # 再执行无锁的 # for num in range(5): # Process(target=print_without_lock, args=(num,)).start()复制代码 有锁的代码将每秒依次打印
hello world 0hello world 1hello world 2hello world 3hello world 4复制代码
如果执行无锁的代码，则在我的电脑上执行结果是这样的
hello worldhello world 01hello world 2hello world 3hello world 4复制代码
除了Lock，还包括RLock、Condition、Semaphore和Event等进程间的同步原语。其用法也与线程间的同步原语很类似。API使用可以参考文末中引用的文档链接。
0x02 总结
本文对multiprocessing模块中常见的API作了简单的介绍。讲述了Process和Pool的常见用法，同时介绍了进程间的数据方式：队列和管道。最后简单了解了进程间的同步原语。