multiprocessing 多进程组件 进程池Pool_multiprocessing pool

最近继续使用python3运行一些数据文件，之前因为文件量没有还好，时间可以等待，所以一直都是使用一个for循环去逐个计算运行。

但是这次实在是不能等了。

电脑配置20核i7，逻辑40核，尽力将资源用到极限，所以想使用多进行进行运算。

原文来自：https://www.cnblogs.com/gengyi/p/8620853.html

 

阅读目录(Content)

• 1 进程池Pool基本概述
• 2 进程池Pool的语法
• 3 实例
  • 3.1 基础实例
  • 3.2 apply方式添加任务
  • 3.3 applay_async方式添加任务

 

1 进程池Pool基本概述

在使用Python进行系统管理时，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时间，如果操作的对象数目不大时，还可以直接适用Process类动态生成多个进程，几十个尚可，若上百个甚至更多时，手动限制进程数量就显得特别繁琐，此时进程池就显得尤为重要。

进程池Pool类可以提供指定数量的进程供用户调用，当有新的请求提交至Pool中时，若进程池尚未满，就会创建一个新的进程来执行请求；若进程池中的进程数已经达到规定的最大数量，则该请求就会等待，直到进程池中有进程结束，才会创建新的进程来处理该请求。

进程池不用频繁创建和销毁进程

 

2 进程池Pool的语法

Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]]) 

processes：使用的工作进程的数量；若processes是None，默认适用os.cpu_count()返回的数量。

initializer：若initializer是None，则每一个工作进程在开始的时候就会调用initializer(*initargs)。

maxtasksperchild：工作进程退出前可以完成的任务数，完成后用一个新的工作进程来替代原进程，让闲置的资源释放，maxtasksperchild默认是None，此意味只要Pool存在工作进程就一直存活

context: 用在制定工作进程启动时的上下文，一般使用multiprocessing.Pool()或者一个context对象的Pool()方法来创建一个池，两种方法都适当的设置了context。

 

如果主进程退出，则进程池中的所有进程均退出。

使用Pool创建进程池对象，同时进程池中进程已经启动，向进程池中添加事件时，事件排队执行。

 

实例方法：

p为进程池对象

p.apply()：

apply(func[, args=()[, kwds={}]]) 

该函数用于传递不定参数，主进程会被阻塞直到函数执行结束，实际上这也就说所谓的同步执行。

同步执行，按照加入进程池的顺序执行事件，每次执行完一个再执行另一个，无法获取返回值。

p.apply_async()

apply_async(func[, args=()[, kwds={}[, callback=None]]]) 

与apply用法一样，但它是非阻塞且支持结果返回进行回调；实际上也就是异步执行。

异步执行，同时启动进程池中多个进程执行事件，可以获取事件返回值 — <multiprocessing.pool.ApplyResult object at 0x7f7f6e4357f0>。

p.map()

map(func, iterable[, chunksize=None]) 

Pool类中的map方法，与内置map函数用法基本一致，它融合了map函数和apply_async()函数的功能；它会使进程阻塞直到返回结果。

注意：虽然第二个参数是一个迭代器，但实际应用中，必须在整个队列就绪后，程序才会运行子进程。

p.close()：关闭进程池，阻止更多的任务提交到进程池Pool，待任务完成后，工作进程会退出

p.terminate()：结束工作进程，不再处理未完成的任务

p.join()：等待工作线程的退出，必须在close()或terminate()之后使用，因被终止的进程需要被父进程调用wait（join等价于wait）,否则进程会成为僵尸进程。

 

注意：

（1）使用Pool创建进程池对象，同时进程池中进程已经启动

（2）向进程池对象中添加事件，事件排队执行

（3）如果主进程退出，则进程池中所有进程都退出

 

3 实例

3.1 基础实例

import multiprocessing as mp

def test():
    pass

p = mp.Pool(processes = 5) # 创建5条进程

for i in range(10):
    p.apply_async(test) # 向进程池添加任务

p.close() # 关闭进程池，不再接受请求
p.join() # 等待所有的子进程结束

 

说明：

（1）进程池Pool被创建出来后， p.apply_async(test) 语句不停地循环执行，相当于向进程池中提交了10个请求，它们会被放到一个队列中。

（2） p = mp.Pool(5) 执行完毕后创建了5条进程，但尚未给它们分配各自的任务；也就意味着，无论有多少任务，实际的进程数只有5条，每次最多5条进程并行。

（3）当Pool中有进程任务执行完毕后，这条进程资源会被释放，Pool会按先进先出的原则取出一个新的请求给空闲的进程继续执行。

（4）当Pool所有的进程任务完成后，会产生5个僵尸进程，如果主进程/主线程不结束，系统不会自动回收资源，需要调用join函数负责回收。

（5）在创建Pool进程池时，若不指定进程的最大数量，默认创建的进程数为系统的内核数量

（6）如果采用p.apply(test)阻塞方式添加任务，其每次只能向进程池中添加一条任务，然后for循环会被阻塞等待，直到添加的任务被执行完毕，进程池中的5个进程交替执行新来的任务，此时相当于单进程。——该语句需要再深刻理解，尚未完全明白

参考：python的multiprocessing模块进程创建、资源回收-Process,Pool

3.2 apply方式添加任务

 

import  multiprocessing as mp
import os
from time import sleep

def worker(msg):
    print(os.getpid())
    sleep(2)
    print(msg)
    return msg

#创建进程池对象
p = mp.Pool(processes = 4)#创建4条进程

pool_result = []
for i in range(10):
    msg = 'hello-%d'%i
    r = p.apply(worker,(msg,))
    #向进程池中添加事件，该语句为同步执行，
    #没有返回值，这种方法用的比较少
　　 r = p.apply(worker,(msg,))
    pool_result.append(r)

#获取事件函数的返回值
for r in pool_result:
    print('return:',r) 

p.close()#　关闭进程池,不再接受请求,不能再向里面添加事件
p.join() # 等待进程池中的事件执行完毕，回收进程池

 

运行

 

8419
hello-0
8418
hello-1
8420
hello-2
8421
hello-3
8419
hello-4
8418
hello-5
8420
hello-6
8421
hello-7
8419
hello-8
8418
hello-9
return: hello-0
return: hello-1
return: hello-2
return: hello-3
return: hello-4
return: hello-5
return: hello-6
return: hello-7
return: hello-8
return: hello-9

 

这段代码运行较慢，和进程阻塞有关。相当于单线程！

当将代码（22行）中的 print('return:',r)  修改为 print('return:',r.get())  时

 

8670
hello-0
8671
hello-1
8672
hello-2
8673
hello-3
8670
hello-4
8671
hello-5
8672
hello-6
8673
hello-7
8670
hello-8
8671
hello-9
Traceback (most recent call last):
  File "test1.py", line 22, in <module>
    print('return:',r.get())
AttributeError: 'str' object has no attribute 'get'

 

最后报错： AttributeError: 'str' object has no attribute 'get' 

3.3 applay_async方式添加任务

 

import multiprocessing as mp
import os 
from time import sleep 

def worker(msg):
    print(os.getpid())
    sleep(2)
    print(msg)
    return msg

#创建进程池对象
p = mp.Pool(processes = 4) #创建4条进程

pool_result = []
for i in range(10):
    msg = 'hello-%d'%i
    r = p.apply_async(worker,(msg,)) #向进程池中添加事件
    pool_result.append(r)

#获取事件函数的返回值
for r in pool_result:
    print('return:',r)

p.close()#关闭进程池,不再接受请求
p.join()# 等待进程池中的事件执行完毕，回收进程池

 

运行

 

return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e37d68>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e37e80>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e37f98>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e410f0>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41208>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41320>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41438>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41550>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41668>
return: <multiprocessing.pool.ApplyResult object at 0x7f66d0e41780>
8739
8740
8742
8741
hello-0
hello-3
8742
hello-1
8739
8740
hello-2
8741
hello-5
8739
hello-6
8740
hello-7
hello-4
hello-8
hello-9

注意：

（1）由于这个是异步方式添加任务，所以运行非常快

（2）由于for是内置循环函数，执行效率较高，所以在结果的前10行均为for语句执行结果

（3） r = p.apply_async(worker,(msg,)) 执行结果为进度对象。

（4）由于任务是异步执行，所以在结果中是“乱序”；并不像applay那样有序打印。

 

同样将代码（22行）中的 print('return:',r) 修改为 print('return:',r.get())  时，

运行结果

 

8839
8840
8841
8842
hello-0
hello-1
hello-3
8839
hello-2
8842
8841
8840
return: hello-0
return: hello-1
return: hello-2
return: hello-3
hello-4
hello-5
8839
hello-6
8842
hello-7
return: hello-4
return: hello-5
return: hello-6
return: hello-7
hello-9
hello-8
return: hello-8
return: hello-9

 

 在结果中出现“顺序混乱”

这与进程调度及运行时间有所差别有关，当有多个进程并行执行时，每个进程得到的时间片时间不一样，哪个进程接受那个求情以及执行完成时间都死不定的，所以输出会出现乱序的情况。

有时候还会出现两行数据出现在同一行，而下一行却为空行的情况，该情况可能时再执行第一个进程时，刚要打印换行符时，另一个进程也打印出来，这样就有可能本来两行的数据却在同一行打印出来，而两个换行符却次第打印出来，所以就会出现空行的情况。

 

注意：apply_async()函数本身就可以返回被进程调用的函数返回值。在创建子进程的代码中，若在被调用函数中返回一个值，那么pool.apply_async(func, (msg,))的结果就是返回pool中所有进程的“值的对象”（注意是对象，而不是值本身）；同时对比不难发现，pool.apply的结果返回的是被调用函数的返回值，这里是值而不是对象。

 

比较使用进程池与函数之间

 

import time 
from multiprocessing import Pool 

def run(fn):
    time.sleep(1)
    return fn*fn

test = [1,2,3,4,5,6,7,8]

s = time.time()
for fn in test:
    run(fn)
e = time.time()
print('执行时间:',e - s)

pool = Pool(3)

#使用该模块中的map融合了原map函数和该模块中apply_async函数
r = pool.map(run,test)
pool.close()
pool.join() 
e1 = time.time()
print('执行时间:',e1 - e)

 

运行

执行时间: 8.011977195739746
执行时间: 3.0851333141326904