最近用python写了一个base64解码程序,解码的过程比较耗CPU,为了充分发挥多核优势,引入多线程,又因为python有全局锁GIL,多线程仍然只能使用一个核,于是重新用多进程multiprocessing实现。多线程下,通过继承threading.Thread类实现时,可以将线程共享数据(如消费品队列)作为类静态变量存储;在多进程下,通过继承multiprocessing.Process类实现时,这种方法共享消费品队列失效,最后通过将队列作为构造函数参数传入正确实现。
import multiprocessing, Queue
from multiprocessing import Process
from time import sleep
from datetime import datetime
########################################################################
class MultiProcessProducer(multiprocessing.Process):
""""""
#----------------------------------------------------------------------
def __init__(self,num, queue):
"""Constructor"""
multiprocessing.Process.__init__(self)
self.num = num
self.queue = queue

该博客介绍了一个使用Python的multiprocessing模块实现的生产者消费者模型。为了解决多线程中GIL限制的问题,作者采用了多进程来充分利用多核CPU。代码创建了生产者和消费者进程,通过Queue对象进行通信。生产者将数据放入队列,而消费者从队列中取出并处理数据。整个程序展示了如何启动和管理多个进程,并在适当的时候结束它们。
最低0.47元/天 解锁文章
1814

被折叠的 条评论
为什么被折叠?



