在 Python 中关于并发/并行的实现方式（库）有很多，于是我打算做个总结方便今后查阅。其实查阅文档，别的不好说，对于 Python，最好的方式就是查阅官方文档，除了少了些例子，几乎是完美的，所以本文只会列出常用的方法与属性。
基础概念
并行
Python学习交流群：1004391443
并行（parallelism），就是同时执行的意思，所以单线程永远无法达到并行状态，利用多线程和多进程即可。但是 Python 的多线程由于存在著名的 GIL，无法让两个线程真正“同时运行“，所以实际上是无法到达并行状态的。就像 2 个人同时吃 2 个包子，最后两个包子同时被吃完。
并发
并发（concurrency），整体上来看多个任务同时进行，但是一个时间点只有一个任务在执行。就像 1 个人同时吃 2 个包子，一次一边咬一口，最后差不多是两个包子同时被吃完。
多进程
- 进程：程序是指令、数据及其组织形式的描述，进程是程序的实体。
- 子进程：子进程指的是由另一进程（对应称之为父进程）所创建的进程。
- 多进程：实现并行的手段，多进程的数量取决于 CPU 核心的数量。
多线程
- 线程：轻量级进程。线程是进程中的一个实体（一个进程至少有一个线程），是被系统独立调度和分派的基本单位（即操作系统能够进行运算调度的最小单位）。
- 多线程：实现并发的手段，多线程数量根据实际需要来确定，但是也是有上限的。
线程自己不拥有系统资源，只拥有一点儿在运行中必不可少的资源，但它可与同属一个进程的其它线程共享进程所拥有的全部资源。一个线程可以创建和撤消另一个线程，同一进程中的多个线程之间可以并发执行。由于线程之间的相互制约，致使线程在运行中呈现出间断性。线程也有就绪、阻塞和运行三种基本状态。就绪状态是指线程具备运行的所有条件，逻辑上可以运行，在等待处理机；运行状态是指线程占有处理机正在运行；阻塞状态是指线程在等待一个事件（如某个信号量），逻辑上不可执行。每一个程序都至少有一个线程，若程序只有一个线程，那就是程序本身。
实现方式
多进程
fork
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（父进程）复制了一份（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 getpid() 就可以拿到父进程的 ID。
而在 Python 中， 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：
import os
print('Process (%s) start...' % os.getpid())
# Only works on Unix/Linux/Mac:
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))
结果：
Process (876) start... I (876) just created a child process (877). I am child process (877) and my parent is 876.
有了 fork ，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。
subprocess
有时候，子进程并不是代码自身，而是一个外部进程。Python 标准库中的 subprocess 库就可以 fork 一个子进程，来运行一个外部的程序，还可以接管子进程的输入和输出。
subprocess 中定义了多个函数，它们以不同的方式创建子进程（call、check_call、check_output、Popen 等等），根据不同需要来选取即可。另外 subprocess 还提供了一些接管标准流（standard stream）和打通管道（pipe）的工具，从而在进程间使用文本通信。
下面的例子演示了如何在 Python 代码中运行命令 nslookup www.python.org ，这和命令行直接运行的效果是一样的：
import subprocess
print('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
结果
$ nslookup www.python.org Server: 192.168.19.4 Address: 192.168.19.4#53 Non-authoritative answer: www.python.org canonical name = python.map.fastly.net. Name: python.map.fastly.net Address: 199.27.79.223 Exit code: 0
multiprocessing
如果要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，上面的代码在 Windows 上无法运行。但是 Python 是跨平台的，自然也应该提供一个跨平台的多进程支持。于是就出现了 multiprocessing 。
multiprocessing 模块就是跨平台的多进程模块。在 Unix/Linux 下， multiprocessing 模块封装了 fork() ，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。
所以，如果 multiprocessing 在 Windows 下调用失败了，要先考虑是不是 pickle 失败了。
multiprocessing 模块常见的使用方式：
multiprocessing 模块提供了一个 Process 类来代表一个进程对象：
创建进程的类
Process([group [, target [, name [, args [, kwargs]]]]])
描述：
- 由该类实例化得到的对象，表示一个子进程中的任务（尚未启动），下面称之为 p
注意：
- args：指定的为传给 target 函数的位置参数，是元组的形式。
参数：
args=('arg1', )
kwargs={'name': 'hexin', 'age': 18}
方法：
- p.start() ：启动进程，并调用该子进程中的 p.run()
- p.run() ：进程启动时运行的方法，正是它去调用 target 指定的函数，若继承 Process 类来写多进程的话，自定义的类中一定要实现该方法。
- p.terminate() ：强制终止进程 p，不会进行任何清理操作，如果 p 创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果 p 还保存了一个锁那么也将不会被释放，进而导致死锁。
- p.is_alive() ：如果 p 仍在运行，返回 True
- p.join([timeout]) ：主线程等待 p 终止（即主线程处于等的状态，而 p 是处于运行的状态）。timeout 是可选的超时时间（超过这个时间，父线程不再等待子线程，继续往下执行），注意， p.join() 只能 join 住 start 开启的进程，而不能 join 住 run 开启的进程
属性：
p.daemon p.name p.pid
示例：
注意：在 windows 中使用 Process() 必须放到 if __name__ == '__main__': 下
下面的例子演示了启动一个子进程并等待其结束：
from multiprocessing import Process
import os
# 子进程要执行的代码
def run_proc(name):
print('Run child process %s (%s)...' % (name, os.getpid()))
print('Parent process %s.' % os.getpid())
p = Process(target=run_proc, args=('test',))
print('Child process will start.')
p.start()
p.join()
print('Child process end.')
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。
当然，也可以使用类，继承 Process 来创建子进程：
import time
import random
from multiprocessing import Process
class MyProcess(Process):
def __init__(self,name):
super().__init__()
self.name = name
def run(self):
print('%s running' %self.name)
time.sleep(random.randrange(1,5))
print('%s stop' %self.name)
p1 = MyProcess('1')
p2 = MyProcess('2')
p3 = MyProcess('3')
p4 = MyProcess('4')
p1.start() # start 会自动调用 run
p2.start()
p3.start()
p4.start()
print('主线程')
结果
1 running 2 running 主线程 3 running 4 running 1 stop 4 stop 2 stop 3 stop
Pool([numprocess [,initializer [, initargs]]])
那么问题来了，开多进程的目的是为了并发，如果有多核，通常有几个核就开几个进程，进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行），但很明显需要并发执行的任务常常远大于核数，这时我们就可以通过维护一个进程池来控制进程数目，比如 httpd 的进程模式，规定最小进程数和最大进程数等。
当进程数目不大时，可以直接利用 multiprocessing 中的 Process 类手动创建多个进程，如果数量很大，就需要使用进程池。Pool 类可以提供指定数量的进程，供用户调用，当有新的请求提交到 Pool 中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，就重用进程池中的进程。
参数：
- numprocess：要创建的进程数，如果省略，将默认使用 cpu_count()的值
- initializer：是每个子进程启动时要执行的可调用对象，默认为 None
- initargs：是要传给 initializer 的参数组
方法：
- p.apply(func[, args[, kwargs]]) ：在一个进程池的所有进程中执行 func(*args,**kwargs) ，然后返回结果。注意：若同时进行 2 apply，则按照顺序执行，所以这个函数是阻塞型的，阻塞的对象是主进程与各个子进程。这函数从 py2.3 以后就不建议使用了
- apply_async(func[, args[, kwds[, callback[, error_callback]]]]) ：在一个进程池的所有进程中执行 func(*args, **kwargs) ，然后返回结果，此方法的结果是 AsyncResult 类的实例（下面会说）。callback 是可调用对象，接收输入参数。当 func 的结果变为可用时，将立即传递给 callback，callback 禁止执行任何阻塞操作，否则会收到其他异步操作中的结果。error_callback 是在函数执行出错的时候调用。注意，apply_async 不是阻塞型的。
- p.map(func, iterable[, chunksize=None]) ：Pool 类中的 map 方法，与内置的 map 函数用法行为基本一致，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，但是它只在整个队列都就绪后，程序才会运行子进程。注意：此时 func 必须要接受一个参数，参数来源于 iterable 中的每个元素。这个函数是阻塞型的，阻塞的对象是主进程。
- map_async(func, iterable[, chunksize[, callback[, error_callback]]]) ： map_async 与 map 的关系同 apply 与 apply_async，即这个这个函数不是阻塞型的。map_async 与 apply_async 都是异步的，所以需要有个回调函数，也就是通过 callback 参数来指定。当然，error_callback 也是一样的
- p.close() ：关闭进程池，防止进一步操作。
- p.terminate() ：结束子进程，不再处理未处理的任务。
- p.join() ：等待所有子进程结束。注意：此方法只能在 close() 或 teminate() 之后调用，即让进程池不再接受新的任务。
其他方法：
apply_async() 和 map_async() 的返回值是 AsyncResul ，这个实例具有以下方法
- obj.get([timeout]) ：返回结果，如果有必要则等待结果到达。timeout 参数是可选的。如果在指定时间内还没有到达，将引发异常。如果在子进程中出现了异常，那么异常将在调用此方法时再次被抛出。（侧重于 拿）
- obj.wait([timeout]) ：等待返回的结果到达，timeout 参数是可选的。如果在指定时间内还没有等到，则直接执行后续代码。（侧重于 等）
- obj.ready() ：如果调用完成，返回 True
- obj.successful() ：如果调用完成且没有引发异常，返回 True，如果在结果就绪之前调用此方法，则会引发异常（ ValueError: <multiprocessing.pool.ApplyResult object at xxxxx> not ready ）
例子：
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print('Run task %s (%s)...' % (name, os.getpid()))
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print('Task %s runs %0.2f seconds.' % (name, (end - start)))
print('Parent process %s.' % os.getpid())
p = Pool(4)
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print('Waiting for all subprocesses done...')
p.close()
p.join()
print('All subprocesses done.')
结果
Parent process 669. Waiting for all subprocesses done... Run task 0 (671)... Run task 1 (672)... Run task 2 (673)... Run task 3 (674)... Task 2 runs 0.14 seconds. Run task 4 (673)... Task 1 runs 0.27 seconds. Task 3 runs 0.86 seconds. Task 0 runs 1.41 seconds. Task 4 runs 1.91 seconds. All subprocesses done.
注意输出的结果，task 0 ， 1 ， 2 ， 3 是立刻执行的，而 task 4 要等待前面某个 task 完成后才执行，这是因为 Pool 的默认大小在我的电脑上是 4，因此，最多同时执行 4 个进程。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（但是就不是并行了，而是并发）。由于 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（逃）。
又一个例子：
提交任务，并在主进程中拿到结果（之前的 Process 是执行任务，结果放到队列里，现在可以在主进程中直接拿到结果）
from multiprocessing import Pool
import time
def work(n):
print('开工啦...')
time.sleep(3)
return n ** 2
q = Pool()
# 异步 apply_async 用法：如果使用异步提交的任务，主进程需要使用 join，等待进程池内任务都处理完，然后可以用 get 收集结果，否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
res = q.apply_async(work, args=(2,))
q.close()
q.join() #join 在 close 之后调用
print(res.get())
# 同步 apply 用法：主进程一直等 apply 提交的任务结束后才继续执行后续代码
# res = q.apply(work, args=(2,))
# print(res)
结果
开工啦... 4
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。
1196
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
