利用 Python 实现多任务进程
来源：公众号【杰哥的IT之旅】
作者：阿拉斯加
ID：Jake_Internet
一、进程介绍
进程：正在执行的程序，由程序、数据和进程控制块组成，是正在执行的程序，程序的一次执行过程，是资源调度的基本单位。
程序：没有执行的代码，是一个静态的。
二、线程和进程之间的对比
由图可知：此时电脑有 9 个应用进程，但是一个进程又会对应于多个线程，可以得出结论：
进程：能够完成多任务，一台电脑上可以同时运行多个 QQ
线程：能够完成多任务，一个 QQ 中的多个聊天窗口
根本区别：进程是操作系统资源分配的基本单位，而线程是任务调度和执行的基本单位.
使用多进程的优势:
1、拥有独立GIL:
首先由于进程中 GIL 的存在，Python 中的多线程并不能很好地发挥多核优势，一个进程中的多个线程，在同 一时刻只能有一个线程运行。而对于多进程来说，每个进程都有属于自己的 GIL，所以，在多核处理器下，多进程的运行是不会受 GIL的影响的。因此，多进 程能更好地发挥多核的优势。
2、效率高
当然，对于爬虫这种 IO 密集型任务来说，多线程和多进程影响差别并不大。对于计算密集型任务来说，Python 的多进程相比多线 程，其多核运行效率会有成倍的提升。
三、Python 实现多进程
我们先用一个实例来感受一下：
1、使用 process 类
import multiprocessing
def process(index):
print(f'Process: {index}')
if __name__ == '__main__':
for i in range(5):
p = multiprocessing.Process(target=process, args=(i,))
p.start()
这是一个实现多进程最基础的方式：通过创建 Process 来新建一个子进程，其中 target 参数传入方法名，args 是方法的参数，是以 元组的形式传入，其和被调用的方法 process 的参数是一一对应的。
注意：这里 args 必须要是一个元组，如果只有一个参数，那也要在元组第一个元素后面加一个逗号，如果没有逗号则 和单个元素本身没有区别，无法构成元组，导致参数传递出现问题。创建完进程之后，我们通过调用 start 方法即可启动进程了。
运行结果如下：
Process: 0
Process: 1
Process: 2
Process: 3
Process: 4
可以看到，我们运行了 5 个子进程，每个进程都调用了 process 方法。process 方法的 index 参数通过 Process 的 args 传入，分别是 0~4 这 5 个序号，最后打印出来，5 个子进程运行结束。
2、继承 process 类
from multiprocessing import Process
import time
class MyProcess(Process):
def __init__(self,loop):
Process.__init__(self)
self.loop = loop
def run(self):
for count in range(self.loop):
time.sleep(1)
print(f'Pid:{self.pid} LoopCount: {count}')
if __name__ == '__main__':
for i in range(2,5):
p = MyProcess(i)
p.start()
我们首先声明了一个构造方法，这个方法接收一个 loop 参数，代表循环次数，并将其设置为全局变量。在 run方法中，又使用这 个 loop 变量循环了 loop 次并打印了当前的进程号和循环次数。
在调用时，我们用 range 方法得到了 2、3、4 三个数字，并把它们分别初始化了 MyProcess 进程，然后调用 start 方法将进程启动起 来。
注意：这里进程的执行逻辑需要在 run 方法中实现，启动进程需要调用 start 方法，调用之后 run 方法便会执行。
运行结果如下：
Pid:12976 LoopCount: 0
Pid:15012 LoopCount: 0
Pid:11976 LoopCount: 0
Pid:12976 LoopCount: 1
Pid:15012 LoopCount: 1
Pid:11976 LoopCount: 1
Pid:15012 LoopCount: 2
Pid:11976 LoopCount: 2
Pid:11976 LoopCount: 3
注意，这里的进程 pid 代表进程号，不同机器、不同时刻运行结果可能不同。
四、进程之间的通信
1、Queue-队列 先进先出
from multiprocessing import Queue
import multiprocessing
def download(p): # 下载数据
lst = [11,22,33,44]
for item in lst:
p.put(item)
print('数据已经下载成功....')
def savedata(p):
lst = []
while True:
data = p.get()
lst.append(data)
if p.empty():
break
print(lst)
def main():
p1 = Queue()
t1 = multiprocessing.Process(target=download,args=(p1,))
t2 = multiprocessing.Process(target=savedata,args=(p1,))
t1.start()
t2.start()
if __name__ == '__main__':
main()
数据已经下载成功....
[11, 22, 33, 44]
2、共享全局变量不适用于多进程编程
import multiprocessing
a = 1
def demo1():
global a
a += 1
def demo2():
print(a)
def main():
t1 = multiprocessing.Process(target=demo1)
t2 = multiprocessing.Process(target=demo2)
t1.start()
t2.start()
if __name__ == '__main__':
main()
运行结果:
1
有结果可知：全局变量不共享；
五、进程池之间的通信
1、进程池引入
当需要创建的子进程数量不多时，可以直接利用 multiprocessing 中的 Process 动态生成多个进程，但是如果是上百甚至上千个目标，手动的去创建的进程的工作量巨大，此时就可以用到 multiprocessing 模块提供的 Pool 方法。
from multiprocessing import Pool
import os,time,random
def worker(a):
t_start = time.time()
print('%s开始执行,进程号为%d'%(a,os.getpid()))
time.sleep(random.random()*2)
t_stop = time.time()
print(a,"执行完成,耗时%0.2f"%(t_stop-t_start))
if __name__ == '__main__':
po = Pool(3) # 定义一个进程池
for i in range(0,10):
po.apply_async(worker,(i,)) # 向进程池中添加worker的任务
print("--start--")
po.close()
po.join()
print("--end--")
运行结果:
--start--
0开始执行,进程号为6664
1开始执行,进程号为4772
2开始执行,进程号为13256
0 执行完成,耗时0.18
3开始执行,进程号为6664
2 执行完成,耗时0.16
4开始执行,进程号为13256
1 执行完成,耗时0.67
5开始执行,进程号为4772
4 执行完成,耗时0.87
6开始执行,进程号为13256
3 执行完成,耗时1.59
7开始执行,进程号为6664
5 执行完成,耗时1.15
8开始执行,进程号为4772
7 执行完成,耗时0.40
9开始执行,进程号为6664
6 执行完成,耗时1.80
8 执行完成,耗时1.49
9 执行完成,耗时1.36
--end--
一个进程池只能容纳 3 个进程，执行完成才能添加新的任务，在不断的打开与释放的过程中循环往复。
六、案例:文件批量复制
操作思路:
获取要复制文件夹的名字
创建一个新的文件夹
获取文件夹里面所有待复制的文件名
创建进程池
向进程池添加任务
代码如下:
导包
import multiprocessing
import os
import time
定制文件复制函数
def copy_file(Q,oldfolderName,newfolderName,file_name):
# 文件复制,不需要返回
time.sleep(0.5)
# print('\r从%s文件夹复制到%s文件夹的%s文件'%(oldfolderName,newfolderName,file_name),end='')
old_file = open(oldfolderName + '/' + file_name,'rb') # 待复制文件
content = old_file.read()
old_file.close()
new_file = open(newfolderName + '/' + file_name,'wb') # 复制出的新文件
new_file.write(content)
new_file.close()
Q.put(file_name) # 向Q队列中添加文件
定义主函数
def main():
oldfolderName = input('请输入要复制的文件夹名字:') # 步骤1获取要复制文件夹的名字(可以手动创建,也可以通过代码创建,这里我们手动创建)
newfolderName = oldfolderName + '复件'
# 步骤二 创建一个新的文件夹
if not os.path.exists(newfolderName):
os.mkdir(newfolderName)
filenames = os.listdir(oldfolderName) # 3.获取文件夹里面所有待复制的文件名
# print(filenames)
pool = multiprocessing.Pool(5) # 4.创建进程池
Q = multiprocessing.Manager().Queue() # 创建队列,进行通信
for file_name in filenames:
pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向进程池添加任务
po.close()
copy_file_num = 0
file_count = len(filenames)
# 不知道什么时候完成,所以定义一个死循环
while True:
file_name = Q.get()
copy_file_num += 1
time.sleep(0.2)
print('\r拷贝进度%.2f %%'%(copy_file_num * 100/file_count),end='') # 做一个拷贝进度条
if copy_file_num >= file_count:
break
程序运行
if __name__ == '__main__':
main()
运行结果如下图所示：
运行前后文件目录结构对比
运行前
运行后