吴良超的学习笔记

python中的多进程

本文提到了python中实现多进程的几种方法(fork、multiprocessing、pool)以及进程间的简单通信。

fork()函数

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
2
3
4
5
6
7
8
9
# multiprocessing.py
import os

print 'Parent Process (%s) start...' % os.getpid()
pid = os.fork()
if pid==0:
print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid())
else:
print 'I (%s) just created a child process (%s).' % (os.getpid(), pid)

运行结果如下:

1
2
3
Parent Process (876) start...
I (876) just created a child process (877).
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

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模块

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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#coding=utf-8
#多进程
from multiprocessing import Process
from time import ctime,sleep
import os

# 子进程要执行的代码
def run_proc(name):
print 'Run child process %s (%s),parent pid is (%s),start at %s...' % (name, os.getpid(),os.getppid(),ctime())
sleep(2)

processes=[]
p1 = Process(target=run_proc, args=('p1',))
processes.append(p1)
p2=Process(target=run_proc,args=('p2',))
processes.append(p2)

if __name__ == '__main__':
print 'Parent Process pid(%s),start at %s...' %(os.getpid(),ctime())
for p in processes:
p.start()
p.join()
print "all over at %s" %ctime()

上面的代码也是在Linux上执行(如果要在Windows下执行,可以去掉os的getppid()方法)执行结果如下:

1
2
3
4
Parent Process pid(30994),start at Tue Jan 12 10:37:48 2016...
Run child process p1 (30995),parent pid is (30994),start at Tue Jan 12 10:37:48 2016...
Run child process p2 (31013),parent pid is (30994),start at Tue Jan 12 10:37:50 2016...
all over at Tue Jan 12 10:37:52 2016

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。

如何理解上面这句话?将上面的代码中的p.join()去掉,执行结果如下:

1
2
3
4
Parent Process pid(31038),start at Tue Jan 12 10:39:27 2016...
all over at Tue Jan 12 10:39:27 2016
Run child process p1 (31039),parent pid is (31038),start at Tue Jan 12 10:39:27 2016...
Run child process p2 (31040),parent pid is (31038),start at Tue Jan 12 10:39:27 2016...

从输出可以看到父进程还没等子进程结束就执行了最后的print "all over at %s" %ctime()语句,而且两个子进程的开始执行时间也相同。

Pool模块

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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#coding:utf-8
#进程池
from multiprocessing import Pool
import os, time, random

def child_task(name):
print 'Child Process %s (%s) starts' % (name, os.getpid())
start = time.time()
time.sleep(random.random() * 2)
end = time.time()
print 'Child Process %s runs %0.2f seconds.' % (name, (end - start))

if __name__=='__main__':
print 'Parent Process %s starts' % os.getpid()
p = Pool()
for i in range(5):
p.apply_async(child_task, args=(i,))
print 'Waiting for all subprocesses done...'
p.close()
p.join()
print 'All subprocesses done.'

执行结果如下:

1
2
3
4
5
6
7
8
9
10
11
12
Parent Process 6028 starts
Waiting for all subprocesses done...
Child Process 0 (6448) starts
Child Process 1 (6912) starts
Child Process 2 (5176) starts
Child Process 3 (7676) starts
Child Process 2 runs 0.86 seconds.
Child Process 4 (5176) starts
Child Process 3 runs 0.98 seconds.
Child Process 0 runs 1.80 seconds.
Child Process 4 runs 1.97 seconds.
All subprocesses done.

代码解读:

对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,Child Process 0,1,2,3是立刻执行的,而Child Process要等待前面某个Child Process完成后才执行,这是因为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。我的笔记本是四核的,所以创建五个进程的时候有一个需要等待。

但是如果只有一核,输出会如下所示:

1
2
3
4
5
6
7
8
9
10
11
12
13
Parent Process 32075 starts
Waiting for all subprocesses done...
Child Process 0 (32076) starts
Child Process 0 runs 1.99 seconds.
Child Process 1 (32076) starts
Child Process 1 runs 0.39 seconds.
Child Process 2 (32076) starts
Child Process 2 runs 0.75 seconds.
Child Process 3 (32076) starts
Child Process 3 runs 0.98 seconds.
Child Process 4 (32076) starts
Child Process 4 runs 1.97 seconds.
All subprocesses done.

这是Pool有意设计的限制,并不是操作系统的限制。如果改成:p = Pool(5)就可以同时跑5个进程。

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Queue、Pipes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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# coding:utf-8
#进程间的通信s
from multiprocessing import Process, Queue
import os, time, random

# 写数据进程执行的代码:
def write(q):
for value in ['A', 'B', 'C']:
print 'Put %s to queue...' % value
q.put(value)
time.sleep(random.random()*3)

# 读数据进程执行的代码:
def read(q):
while True:
value = q.get(True)
print 'Get %s from queue.' % value

if __name__=='__main__':
# 父进程创建Queue,并传给各个子进程:
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 启动子进程pw,写入:
pw.start()
# 启动子进程pr,读取:
pr.start()
# 等待pw结束:
pw.join()
# pr进程里是死循环,无法等待其结束,只能强行终止:
pr.terminate()

运行结果如下:

1
2
3
4
5
6
Put A to queue...
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
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Queue、Pipes等实现的。

参考:多进程