Python 多进程解析:Multiprocessing 高效并行处理的奥秘
文章目录
- Python 多进程解析:Multiprocessing 高效并行处理的奥秘
- 一 多进程
- 1 导入进程标准模块
- 2 定义调用函数
- 3 创建和启动进程
- 二 存储进程结果 Queue
- 三 threading & multiprocessing 对比
- 1 创建多进程 multiprocessing
- 2 创建多线程 multithread
- 3 创建普通函数
- 4 创建对比时间函数
- 5 运行结果
- 四 进程池 Pool
- 1 进程池 Pool() 和 map()
- 2 自定义核数量
- 3 apply_async 单结果返回
- 4 apply_async 多结果返回
- 5 划重点
- 五 共享内存 shared memory
- 六 进程锁 Lock
- 1 不加进程锁
- 2 加进程锁
- 七 完整代码示例
- 八 源码地址
在 Python 编程中,多进程(Multiprocessing)是一种提高程序执行效率的重要手段。本文深入解析了多进程的概念与应用,帮助开发者充分利用多核处理器的计算能力。我们从基本的进程创建与启动开始,讲解了如何通过 Queue
实现进程间的数据传递,并通过对比多进程与多线程的性能差异,揭示了多进程在处理 CPU 密集型任务时的显著优势。文章还详细介绍了进程池(Pool)的使用方法,包括 map
和 apply_async
的不同应用场景。最后,我们探讨了共享内存和进程锁的使用,确保多进程在并发操作中的数据安全性。本文为希望掌握多进程编程的读者提供了全面且易懂的实践指导。
一 多进程
Multiprocessing 是一种编程和执行模式,它允许多个进程同时运行,以此提高应用程序的效率和性能。在 Python 中,multiprocessing 模块可以帮助你创建多个进程,使得每个进程都可以并行处理任务,从而有效利用多核处理器的能力。
1 导入进程标准模块
html" title=python>python">import multiprocessing as mp
2 定义调用函数
html" title=python>python">def job(a, d):print('你好 世界')
3 创建和启动进程
html" title=python>python"># 创建进程
p1 = mp.Process(target=job, args=(1, 2))
# 启动进程
p1.start()
# 连接进程
p1.join()
二 存储进程结果 Queue
1 存入输出到 Queue
html" title=python>python"># 该函数没有返回值!!!
def job02(q):res = 0for i in range(1000):res += i + i ** 2 + i ** 3q.put(res) #def my_result_process02():q = mp.Queue()p1 = mp.Process(target=job02, args=(q,))p2 = mp.Process(target=job02, args=(q,))p1.start()p2.start()p1.join()p2.join()res1 = q.get()res2 = q.get()print(res1)print(res2)print(res1 + res2)
三 threading & multiprocessing 对比
1 创建多进程 multiprocessing
html" title=python>python">def job03(q):res = 0for i in range(1000000):res += i + i ** 2 + i ** 3# 结果加 queueq.put(res)# 多核运算多进程
def multicore03():q = mp.Queue()p1 = mp.Process(target=job03, args=(q,))p2 = mp.Process(target=job03, args=(q,))p1.start()p2.start()p1.join()p2.join()res1 = q.get()res2 = q.get()print('multicore:', res1 + res2)
2 创建多线程 multithread
html" title=python>python"># 单核运算多线程
def multithread03():# thread可放入process同样的queue中q = mp.Queue()t1 = td.Thread(target=job03, args=(q,))t2 = td.Thread(target=job03, args=(q,))t1.start()t2.start()t1.join()t2.join()res1 = q.get()res2 = q.get()print('multithread:', res1 + res2)
3 创建普通函数
html" title=python>python">def normal03():res = 0for _ in range(2):for i in range(1000000):res += i + i ** 2 + i ** 3print('normal:', res)
4 创建对比时间函数
html" title=python>python">def time_result03():st = time.time()normal03()st1 = time.time()print('normal time:', st1 - st)multithread03()st2 = time.time()print('multithread time:', st2 - st1)multicore03()print('multicore time:', time.time() - st2)
5 运行结果
normal03: 499999666667166666000000
normal03 time: 0.6855959892272949
multithread03: 499999666667166666000000
multithread03 time: 0.6804449558258057
multicore03: 499999666667166666000000
multicore03 time: 0.38849496841430664
我运行的是 normal03 > multithread03 > multicore03
,normal03
和 multithread03
相差不大,multicore03
比 normal03
和 multithread03
快将近一倍。
四 进程池 Pool
使用进程池 Pool ,Python 会自行解决多进程问题。
1 进程池 Pool() 和 map()
map()
返回的是多结果。
html" title=python>python">def job04(x):# Pool的函数有返回值return x * xdef multicore04():# Pool的函数有返回值pool = mp.Pool()# 自分配 CPU 计算res = pool.map(job04, range(10))print(res)
2 自定义核数量
Pool 默认大小是 CPU的核数,传入 processes 参数自定义需要的核数量。
html" title=python>python">def multicore05():# 定义CPU核数量为3pool = mp.Pool(processes=3) res = pool.map(job04, range(10))print(res)
3 apply_async 单结果返回
apply_async()
中只能传递一个值,它只会放入一个核进行运算,但是传入值时要注意是可迭代的, 所以在传入值后需要加逗号, 同时需要用 get()
方法获取返回值。
html" title=python>python">def multicore06():pool = mp.Pool()res = pool.apply_async(job04, (2,))# 用get获得结果print(res.get())
4 apply_async 多结果返回
html" title=python>python">def multicore07():pool = mp.Pool()multi_res = [pool.apply_async(job04, (i,)) for i in range(10)]# 用get获得结果print([res.get() for res in multi_res])
5 划重点
Pool
默认调用是CPU
的核数,传入processes
参数可自定义CPU
核数。map()
放入迭代参数,返回多个结果。apply_async()
只能放入一组参数,并返回一个结果,如果想得到map()
的效果需要通过迭代。
五 共享内存 shared memory
1 定义 Shared Value
html" title=python>python">value1 = mp.Value('i', 0)
value2 = mp.Value('d', 3.14)
2 定义 Shared Array
它只能是一维数组
html" title=python>python">array = mp.Array('i', [1, 2, 3, 4])
其中 d 和 i 参数用来设置数据类型的,d 表示一个双精浮点类型,i 表示一个带符号的整型,参考数据类型如下:
Type code | C Type | Python Type | Minimum size in bytes | Notes |
---|---|---|---|---|
'b' | signed char | int | 1 | |
'B' | unsigned char | int | 1 | |
'u' | wchar_t | Unicode character | 2 | (1) |
'h' | signed short | int | 2 | |
'H' | unsigned short | int | 2 | |
'i' | signed int | int | 2 | |
'I' | unsigned int | int | 2 | |
'l' | signed long | int | 4 | |
'L' | unsigned long | int | 4 | |
'q' | signed long long | int | 8 | |
'Q' | unsigned long long | int | 8 | |
'f' | float | float | 4 | |
'd' | double | float | 8 |
具体链接:Efficient arrays of numeric values
六 进程锁 Lock
1 不加进程锁
争抢共享内存
html" title=python>python">def job08(v, num):for _ in range(5):time.sleep(0.1) # 暂停0.1秒,让输出效果更明显v.value += num # v.value获取共享变量值print(v.value, end="\n")def multicore08():v = mp.Value('i', 0) # 定义共享变量p1 = mp.Process(target=job08, args=(v, 1))p2 = mp.Process(target=job08, args=(v, 3)) # 设定不同的number看如何抢夺内存p1.start()p2.start()p1.join()p2.join()
2 加进程锁
html" title=python>python">def job09(v, num, l):l.acquire() # 锁住for _ in range(5):# print(v.value, num)time.sleep(0.1)v.value = v.value + num # 获取共享内存print(v.value)l.release() # 释放def multicore09():l = mp.Lock() # 定义一个进程锁v = mp.Value('i', 0) # 定义共享内存p1 = mp.Process(target=job09, args=(v, 1, l)) # 需要将lock传入p1.start()p1.join()p2 = mp.Process(target=job09, args=(v, 3, l))p2.start()p2.join()# def multicore10():
# l = mp.Lock() # 定义一个进程锁
# v = mp.Value('i', 0) # 定义共享内存
# p1 = mp.Process(target=job09, args=(v, 1, l)) # 需要将lock传入
# p2 = mp.Process(target=job09, args=(v, 3, l))
# p1.start()
# p2.start()
# p1.join()
# p2.join()
在这个示例中,必须先执行 p1
以达到预期效果。分别运行 multicore09
和 multicore10
会发现一些有意思的情况。
七 完整代码示例
注:建议在运行 main.py 对应的代码功能时,逐行使用注释进行操作。
html" title=python>python"># This is a sample Python script.# Press ⌃R to execute it or replace it with your code.
# Press Double ⇧ to search everywhere for classes, files, tool windows, actions, and settings.import multiprocessing as mp
import threading as td
import time as timedef print_hi(name):# Use a breakpoint in the code line below to debug your script.print(f'Hi, {name}') # Press ⌘F8 to toggle the breakpoint.# 创建进程p1 = mp.Process(target=job, args=(1, 2))# 启动进程p1.start()# Shared Valuevalue1 = mp.Value('i', 0)value2 = mp.Value('d', 3.14)# Shared Array,只能是一维数组array = mp.Array('i', [1, 2, 3, 4])def job(a, d):print('你好 世界')# 该函数没有返回值!!!
def job02(q):res = 0for i in range(1000):res += i + i ** 2 + i ** 3q.put(res) #def my_result_process02():q = mp.Queue()p1 = mp.Process(target=job02, args=(q,))p2 = mp.Process(target=job02, args=(q,))p1.start()p2.start()p1.join()p2.join()res1 = q.get()res2 = q.get()print(res1)print(res2)print(res1 + res2)def job03(q):res = 0for i in range(1000000):res += i + i ** 2 + i ** 3# 结果加 queueq.put(res)# 多核运算多进程
def multicore03():q = mp.Queue()p1 = mp.Process(target=job03, args=(q,))p2 = mp.Process(target=job03, args=(q,))p1.start()p2.start()p1.join()p2.join()res1 = q.get()res2 = q.get()print('multicore03:', res1 + res2)# 单核运算多线程
def multithread03():# thread可放入process同样的queue中q = mp.Queue()t1 = td.Thread(target=job03, args=(q,))t2 = td.Thread(target=job03, args=(q,))t1.start()t2.start()t1.join()t2.join()res1 = q.get()res2 = q.get()print('multithread03:', res1 + res2)def normal03():res = 0for _ in range(2):for i in range(1000000):res += i + i ** 2 + i ** 3print('normal03:', res)def time_result03():st = time.time()normal03()st1 = time.time()print('normal03 time:', st1 - st)multithread03()st2 = time.time()print('multithread03 time:', st2 - st1)multicore03()print('multicore03 time:', time.time() - st2)def job04(x):# Pool的函数有返回值return x * xdef multicore04():# Pool的函数有返回值pool = mp.Pool()# 自分配 CPU 计算res = pool.map(job04, range(10))print(res)def multicore05():pool = mp.Pool(processes=3) # 定义CPU核数量为3res = pool.map(job04, range(10))print(res)def multicore06():pool = mp.Pool()# apply_async() 中只能传递一个值,它只会放入一个核进行运算,但是传入值时要注意是可迭代的,# 所以在传入值后需要加逗号, 同时需要用get()方法获取返回值res = pool.apply_async(job04, (2,))# 用get获得结果print(res.get())def multicore07():pool = mp.Pool()multi_res = [pool.apply_async(job04, (i,)) for i in range(10)]# 用get获得结果print([res.get() for res in multi_res])def job08(v, num):for _ in range(5):time.sleep(0.1) # 暂停0.1秒,让输出效果更明显v.value += num # v.value获取共享变量值print(v.value, end="\n")def multicore08():v = mp.Value('i', 0) # 定义共享变量p1 = mp.Process(target=job08, args=(v, 1))p2 = mp.Process(target=job08, args=(v, 3)) # 设定不同的number看如何抢夺内存p1.start()p2.start()p1.join()p2.join()def job09(v, num, l):l.acquire() # 锁住for _ in range(5):# print(v.value, num)time.sleep(0.1)v.value = v.value + num # 获取共享内存print(v.value)l.release() # 释放def multicore09():l = mp.Lock() # 定义一个进程锁v = mp.Value('i', 0) # 定义共享内存p1 = mp.Process(target=job09, args=(v, 1, l)) # 需要将lock传入p1.start()p1.join()p2 = mp.Process(target=job09, args=(v, 3, l))p2.start()p2.join()def multicore10():l = mp.Lock() # 定义一个进程锁v = mp.Value('i', 0) # 定义共享内存p1 = mp.Process(target=job09, args=(v, 1, l)) # 需要将lock传入p2 = mp.Process(target=job09, args=(v, 3, l))p1.start()p2.start()p1.join()p2.join()# Press the green button in the gutter to run the script.
if __name__ == '__main__':print_hi('什么是 Multiprocessing')my_result_process02()time_result03()multicore04()multicore05()multicore06()multicore07()multicore08()multicore09()# multicore10()# See PyCharm help at https://www.jetbrains.com/help/pycharm/
复制粘贴并覆盖到你的 main.py 中运行,运行结果如下。
Hi, 什么是 Multiprocessing
你好 世界
249833583000
249833583000
499667166000
normal03: 499999666667166666000000
normal03 time: 0.7139420509338379
multithread03: 499999666667166666000000
multithread03 time: 0.6696178913116455
multicore03: 499999666667166666000000
multicore03 time: 0.3917398452758789
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
4
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
3
4
7
8
11
12
151516
19
1
2
3
4
5
8
11
14
17
20
八 源码地址
代码地址:
国内看 Gitee 之 什么是 Multiprocessing.py
国外看 GitHub 之 什么是 Multiprocessing.py
引用 莫烦 Python