阅读目录

在 利用Python进行系统管理的时候,特别是同时操作多个文件目录,或者远程控制多台主机,并行操作可以节约大量的时间。当被操作对象数目不大时,可以直 接利用multiprocessing中的Process动态成生多个进程,十几个还好,但如果是上百个,上千个目标,手动的去限制进程数量却又太过繁 琐,此时可以发挥进程池的功效。
Pool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,才会创建新的进程来它。

 

回到顶部

例1:使用进程池

python进程池:multiprocessing.pool_python 进程并发

#coding: utf-8import multiprocessingimport timedef func(msg):    print "msg:", msg
    time.sleep(3)    print "end"if __name__ == "__main__":
    pool = multiprocessing.Pool(processes = 3)    for i in xrange(4):
        msg = "hello %d" %(i)
        pool.apply_async(func, (msg, ))   #维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去

    print "Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~"
    pool.close()
    pool.join()   #调用join之前,先调用close函数,否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
    print "Sub-process(es) done."

python进程池:multiprocessing.pool_python 进程并发

一次执行结果

1
2
3
4
5
6
7
8
9
10
mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~ello 0
 
msg: hello 1
msg: hello 2
end
msg: hello 3
end
end
end
Sub-process(es) done.

函数解释

  • apply_async(func[, args[, kwds[, callback]]]) 它是非阻塞,apply(func[, args[, kwds]])是阻塞的(理解区别,看例1例2结果区别)

  • close()    关闭pool,使其不在接受新的任务。

  • terminate()    结束工作进程,不在处理未完成的任务。

  • join()    主进程阻塞,等待子进程的退出, join方法要在close或terminate之后使用。

执行说明:创建一个进程池pool,并设定进程的数量为3,xrange(4)会相继产生四个对象[0, 1, 2, 4],四个对象被提交到pool中,因pool指定进程数为3,所以0、1、2会直接送到进程中执行,当其中一个执行完事后才空出一个进程处理对象3,所 以会出现输出“msg: hello 3”出现在"end"后。因为为非阻塞,主函数会自己执行自个的,不搭理进程的执行,所以运行完for循环后直接输出“mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~”,主程序在pool.join()处等待各个进程的结束。

回到顶部

例2:使用进程池(阻塞)

python进程池:multiprocessing.pool_python 进程并发

#coding: utf-8import multiprocessingimport timedef func(msg):    print "msg:", msg
    time.sleep(3)    print "end"if __name__ == "__main__":
    pool = multiprocessing.Pool(processes = 3)    for i in xrange(4):
        msg = "hello %d" %(i)
        pool.apply(func, (msg, ))   #维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去

    print "Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~"
    pool.close()
    pool.join()   #调用join之前,先调用close函数,否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
    print "Sub-process(es) done."

python进程池:multiprocessing.pool_python 进程并发

一次执行的结果

1
2
3
4
5
6
7
8
9
10
msg: hello 0
end
msg: hello 1
end
msg: hello 2
end
msg: hello 3
end
Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~
Sub-process(es) done. 

回到顶部

例3:使用进程池,并关注结果

python进程池:multiprocessing.pool_python 进程并发

import multiprocessingimport timedef func(msg):    print "msg:", msg
    time.sleep(3)    print "end"
    return "done" + msgif __name__ == "__main__":
    pool = multiprocessing.Pool(processes=4)
    result = []    for i in xrange(3):
        msg = "hello %d" %(i)
        result.append(pool.apply_async(func, (msg, )))
    pool.close()
    pool.join()    for res in result:        print ":::", res.get()    print "Sub-process(es) done."

python进程池:multiprocessing.pool_python 进程并发

一次执行结果

1
2
3
4
5
6
7
8
9
10
msg: hello 0
msg: hello 1
msg: hello 2
end
end
end
::: donehello 0
::: donehello 1
::: donehello 2
Sub-process(es) done.

 :get()函数得出每个返回结果的值

回到顶部

例4:使用多个进程池

python进程池:multiprocessing.pool_python 进程并发

#coding: utf-8import multiprocessingimport os, time, randomdef Lee():    print "\nRun task Lee-%s" %(os.getpid()) #os.getpid()获取当前的进程的ID
    start = time.time()
    time.sleep(random.random() * 10) #random.random()随机生成0-1之间的小数
    end = time.time()    print 'Task Lee, runs %0.2f seconds.' %(end - start)def Marlon():    print "\nRun task Marlon-%s" %(os.getpid())
    start = time.time()
    time.sleep(random.random() * 40)
    end=time.time()    print 'Task Marlon runs %0.2f seconds.' %(end - start)def Allen():    print "\nRun task Allen-%s" %(os.getpid())
    start = time.time()
    time.sleep(random.random() * 30)
    end = time.time()    print 'Task Allen runs %0.2f seconds.' %(end - start)def Frank():    print "\nRun task Frank-%s" %(os.getpid())
    start = time.time()
    time.sleep(random.random() * 20)
    end = time.time()    print 'Task Frank runs %0.2f seconds.' %(end - start)        
if __name__=='__main__':
    function_list=  [Lee, Marlon, Allen, Frank] 
    print "parent process %s" %(os.getpid())

    pool=multiprocessing.Pool(4)    for func in function_list:
        pool.apply_async(func)     #Pool执行函数,apply执行函数,当有一个进程执行完毕后,会添加一个新的进程到pool中

    print 'Waiting for all subprocesses done...'
    pool.close()
    pool.join()    #调用join之前,一定要先调用close() 函数,否则会出错, close()执行后不会有新的进程加入到pool,join函数等待素有子进程结束
    print 'All subprocesses done.'

python进程池:multiprocessing.pool_python 进程并发

一次执行结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
parent process 7704
 
Waiting for all subprocesses done...
Run task Lee-6948
 
Run task Marlon-2896
 
Run task Allen-7304
 
Run task Frank-3052
Task Lee, runs 1.59 seconds.
Task Marlon runs 8.48 seconds.
Task Frank runs 15.68 seconds.
Task Allen runs 18.08 seconds.
All subprocesses done.

 

multiprocessing pool map

python进程池:multiprocessing.pool_python 进程并发

#coding: utf-8import multiprocessing 

def m1(x): 
    print x * x 

if __name__ == '__main__': 
    pool = multiprocessing.Pool(multiprocessing.cpu_count()) 
    i_list = range(8)
    pool.map(m1, i_list)

python进程池:multiprocessing.pool_python 进程并发

一次执行结果

1
2
3
4
5
6
7
8
0
1
4
9
16
25
36
49

 参考:http://www.dotblogs.com.tw/rickyteng/archive/2012/02/20/69635.aspx 

 

问题:http://bbs.chinaunix.net/thread-4111379-1-1.html

python进程池:multiprocessing.pool_python 进程并发

#coding: utf-8import multiprocessingimport loggingdef create_logger(i):    print iclass CreateLogger(object):    def __init__(self, func):
        self.func = funcif __name__ == '__main__':
    ilist = range(10)

    cl = CreateLogger(create_logger)
    pool = multiprocessing.Pool(multiprocessing.cpu_count())
    pool.map(cl.func, ilist)    print "hello------------>"

python进程池:multiprocessing.pool_python 进程并发

一次执行结果

1
2
3
4
5
6
7
8
9
10
11
0
1
2
3
4
5
6
7
8
9
hello------------>