Python 多进程解析：Multiprocessing 高效并行处理的奥秘

server/2024/9/25 6:33:04/

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 codeC TypePython TypeMinimum size in bytesNotes
'b'signed charint1
'B'unsigned charint1
'u'wchar_tUnicode character2(1)
'h'signed shortint2
'H'unsigned shortint2
'i'signed intint2
'I'unsigned intint2
'l'signed longint4
'L'unsigned longint4
'q'signed long longint8
'Q'unsigned long longint8
'f'floatfloat4
'd'doublefloat8

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


http://www.ppmy.cn/server/121692.html

相关文章

静态路由和默认路由（实验）

静态路由和默认路由（实验）

目录 一、实验设备和环境 1、实验设备 2、实验环境 （1）实验拓扑图 （2）实验命令列表 二、实验记录 1、直连路由与路由表查看 步骤1:建立物理连接并运行超级终端。 步骤2:在路由器上查看路由表。 2、静态路由配置 步骤1:配…
阅读更多...
Python 解析 html

Python 解析 html

一、场景分析 假设有如下 html 文档&#xff1a; 写一段 python 脚本&#xff0c;解析出里面的数据&#xff0c;包括经度维度。 <div classstorelist><ul><li lng"100.111111" lat"10.111111"><h4>联盟店1</h4><p>…
阅读更多...
Java单例模式

Java单例模式

package com.qcby; //饿汉式&#xff0c;先new出来对象 public class Hungry {private Hungry() {};private final static Hungry hungry new Hungry();public Hungry getinstance() {return hungry;} }package com.qcby; //懒汉&#xff0c;有需要才创建 public class SuoLaz…
阅读更多...
HTML5好看的水果蔬菜在线商城网站源码系列模板2

HTML5好看的水果蔬菜在线商城网站源码系列模板2

文章目录 1.设计来源1.1 主界面1.2 商品列表界面1.3 商品详情界面1.4 其他界面效果 2.效果和源码2.1 动态效果2.2 源代码 源码下载 作者&#xff1a;xcLeigh 文章地址&#xff1a;https://blog.csdn.net/weixin_43151418/article/details/142059220 HTML5好看的水果蔬菜在线商城…
阅读更多...
如何选择游戏高防服务器，有什么需要注意的点？

如何选择游戏高防服务器，有什么需要注意的点？

自二十世纪初互联网迅速发展&#xff0c;市场发展瞬息万变&#xff0c;游戏行业也迎来了发展的春天。如今游戏行业已成为互联网行业的支柱&#xff0c;占据市场重要的比重。对于游戏行业的企业来说选择服务器是至为重要的一步&#xff0c;市场上的服务器良莠不济&#xff0c;如…
阅读更多...
循环中用sleep

循环中用sleep

echo <pre>;for ($i0;$i<10000000;$i){var_dump($i);} 没有用sleep,快速消耗cpu和内存 使用sleep后效果 echo <pre>;for ($i0;$i<10000000;$i){var_dump($i);usleep(1000);//php 暂停0.001秒} 总结&#xff1a;sleep能释放资源(cpu和内存)&#xff0c;但是运…
阅读更多...
Spring Boot快速入门详解

Spring Boot快速入门详解

目录 1. 环境准备 2. 创建项目 3. 项目结构 4. 编写代码 a. 启动类 b. 创建控制器 5. 运行应用 6. 测试 Spring Boot 是一个用于简化新 Spring 应用程序的初始搭建以及开发过程的框架。通过提供默认配置来快速启动新的 Spring 项目&#xff0c;避免了繁琐的 XML 配置。 1. 环境…
阅读更多...
【Python报错已解决】ModuleNotFoundError: No module named ‘sklearn‘

【Python报错已解决】ModuleNotFoundError: No module named ‘sklearn‘

&#x1f3ac; 鸽芷咕&#xff1a;个人主页 &#x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想&#xff0c;就是为了理想的生活! 专栏介绍 在软件开发和日常使用中&#xff0c;BUG是不可避免的。本专栏致力于为广大开发者和技术爱好者提供一个关于BUG解决的经…
阅读更多...
最新文章

Copyright @ 2022~2023