进程，线程，以及Python的多进程实例

什么是进程，什么是线程？

进程与线程是包含关系，进程包含了线程。

进程是系统资源分配的最小单元，线程是系统任务执行的最小单元。

打个比方，打开word，word这个程序是一个进程，里面的拼写检查，字数统计，更改字体等等功能是一个个线程。当word这个进程启动的时候，系统分配给word进程一些资源（CPU，内存等），当某个线程执行时须要资源时，就从word进程的资源池里取。

关于Python的多进程实例，咱们能够用Python的multiprocessing package来实现。

multiprocessing模块提供了一个Process类来表明一个进程对象，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()))

if __name__=='__main__':
    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.')

执行结果:

Parent process 928.
Process will start.
Run child process test (929)...
Process end.

建立子进程时，只须要传入一个执行函数和函数的参数，建立一个Process实例，用start()方法启动，这样建立进程比fork()还要简单。join()方法能够等待子进程结束后再继续往下运行，一般用于进程间的同步。

若是要启动大量的子进程，能够用进程池的方式批量建立子进程：

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)))

if __name__=='__main__':
    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.')

执行结果以下：

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.

代码解读： 对Pool对象调用join()方法会等待全部子进程执行完毕，调用join()以前必须先调用close()，调用close()以后就不能继续添加新的Process了。

请注意输出的结果，task 0，1，2，3是马上执行的，而task 4要等待前面某个task完成后才执行，这是由于Pool的默认大小在个人电脑上是4，所以，最多同时执行4个进程。这是Pool有意设计的限制，并非操做系统的限制。若是改为p=Pool(5)，就能够跑5个进程

子进程

不少时候，子进程并非自身，而是一个外部进程。咱们建立了子进程后，还须要控制子进程的输入和输出。

subprocess模块可让咱们很是方便地启动一个子进程，而后控制其输入和输出。

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同样的：

import subprocess

print('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)

 

运行结果：

$ 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

 

若是子进程还须要输入，则能够经过communicate()方法输入：

import subprocess

print('$ nslookup')
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
print(output.decode('utf-8'))
print('Exit code:', p.returncode)

 

上面的代码至关于在命令行执行命令nslookup，而后手动输入：

set q=mx
python.org
exit

 

运行结果以下：

$ nslookup
Server:        192.168.19.4
Address:    192.168.19.4#53

Non-authoritative answer:
python.org    mail exchanger = 50 mail.python.org.

Authoritative answers can be found from:
mail.python.org    internet address = 82.94.164.166
mail.python.org    has AAAA address 2001:888:2000:d::a6


Exit code: 0

 

进程间通讯

Process之间确定是须要通讯的，操做系统提供了不少机制来实现进程间的通讯。Python的multiprocessing模块包装了底层的机制，提供了Queue、Pipes等多种方式来交换数据。

咱们以Queue为例，在父进程中建立两个子进程，一个往Queue里写数据，一个从Queue里读数据：

from multiprocessing import Process, Queue
import os, time, random

# 写数据进程执行的代码:
def write(q):
    print('Process to write: %s' % os.getpid())
    for value in ['A', 'B', 'C']:
        print('Put %s to queue...' % value)
        q.put(value)
        time.sleep(random.random())

# 读数据进程执行的代码:
def read(q):
    print('Process to read: %s' % os.getpid())
    while True:
        value = q.get(True)
        print('Get %s from queue.' % value)

if __name__=='__main__':
    # 父进程建立Queue，并传给各个子进程：
    q = Queue()
    pw = Process(target=write, args=(q,))
    pr = Process(target=read, args=(q,))
    # 启动子进程pw，写入:
    pw.start()
    # 启动子进程pr，读取:
    pr.start()
    # 等待pw结束:
    pw.join()
    # pr进程里是死循环，没法等待其结束，只能强行终止:
    pr.terminate()

 

运行结果以下：

Process to write: 50563
Put A to queue...
Process to read: 50564
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
Get C from queue.

 

在Unix/Linux下，multiprocessing模块封装了fork()调用，使咱们不须要关注fork()的细节。因为Windows没有fork调用，所以，multiprocessing须要“模拟”出fork的效果，父进程全部Python对象都必须经过pickle序列化再传到子进程去，全部，若是multiprocessing在Windows下调用失败了，要先考虑是否是pickle失败了。