Python進(jìn)程池與進(jìn)程鎖實(shí)例分析

本篇內(nèi)容主要講解“Python進(jìn)程池與進(jìn)程鎖實(shí)例分析”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python進(jìn)程池與進(jìn)程鎖實(shí)例分析”吧!

進(jìn)程池

什么是進(jìn)程池

上一章節(jié)關(guān)于進(jìn)程的問題我們提到過，進(jìn)程創(chuàng)建太多的情況下就會(huì)對(duì)資源消耗過大。為了避免出現(xiàn)這種情況，我們就需要固定進(jìn)程的數(shù)量，這時(shí)候就需要進(jìn)程池的幫助。

我們可以認(rèn)為進(jìn)程池就是一個(gè)池子，在這個(gè)池子里提前創(chuàng)建好一定數(shù)量的進(jìn)程。見下圖：

比如這個(gè)紅色矩形陣列就代表一個(gè)進(jìn)程池子，在這個(gè)池子中有6個(gè)進(jìn)程。這6個(gè)進(jìn)程會(huì)伴隨進(jìn)程池一起被創(chuàng)建，不僅如此，我們?cè)趯W(xué)習(xí)面向?qū)ο蟮纳芷诘臅r(shí)候曾經(jīng)說(shuō)過，每個(gè)實(shí)例化對(duì)象在使用完成之后都會(huì)被內(nèi)存管家回收。

我們的進(jìn)程也會(huì)伴隨著創(chuàng)建與關(guān)閉的過程而被內(nèi)存管家回收，每一個(gè)都是如此，創(chuàng)建于關(guān)閉進(jìn)程的過程也會(huì)消耗一定的性能。而進(jìn)程池中的進(jìn)程當(dāng)被創(chuàng)建之后就不會(huì)被關(guān)閉，可以一直被重復(fù)使用，從而避免了創(chuàng)建于關(guān)閉的資源消耗，也避免了創(chuàng)建于關(guān)閉的反復(fù)操作提高了效率。

當(dāng)然，當(dāng)我們執(zhí)行完程序進(jìn)程池關(guān)閉的時(shí)候，進(jìn)程也隨之關(guān)閉。

當(dāng)我們有任務(wù)需要被執(zhí)行的時(shí)候，會(huì)判斷當(dāng)前的進(jìn)程池當(dāng)中有沒有空閑的進(jìn)程（所謂空閑的進(jìn)程其實(shí)就是進(jìn)程池中沒有執(zhí)行任務(wù)的進(jìn)程）。有進(jìn)程處于空閑狀態(tài)的情況下，任務(wù)會(huì)找到進(jìn)程執(zhí)行該任務(wù)。如果當(dāng)前進(jìn)程池中的進(jìn)程都處于非空閑狀態(tài)，則任務(wù)就會(huì)進(jìn)入等待狀態(tài)，直到進(jìn)程池中有進(jìn)程處于空閑狀態(tài)才會(huì)進(jìn)出進(jìn)程池從而執(zhí)行該任務(wù)。

這就是進(jìn)程池的作用。

進(jìn)程池的創(chuàng)建模塊 - multiprocessing

創(chuàng)建進(jìn)程池函數(shù) - Pool

Pool功能介紹：通過調(diào)用 "multiprocessing" 模塊的 "Pool" 函數(shù)來(lái)幫助我們創(chuàng)建 "進(jìn)程池對(duì)象" ，它有一個(gè)參數(shù) "Processcount" （一個(gè)整數(shù)），代表我們這個(gè)進(jìn)程池中創(chuàng)建幾個(gè)進(jìn)程。

進(jìn)程池的常用方法

當(dāng)創(chuàng)建了進(jìn)程池對(duì)象之后，我們要對(duì)它進(jìn)程操作，讓我們來(lái)看一下都有哪些常用方法(函數(shù))。

• apply_async 函數(shù)：它的功能是將任務(wù)加入到進(jìn)程池中，并且是通過異步實(shí)現(xiàn)的。異步 這個(gè)知識(shí)我們還沒有學(xué)習(xí)，先不用關(guān)心它到底是什么意思。它有兩個(gè)參數(shù)：func 與 agrs , func 是加入進(jìn)程池中工作的函數(shù)；args 是一個(gè)元組，代表著簽一個(gè)函數(shù)的參數(shù)，這和我們創(chuàng)建并使用一個(gè)進(jìn)程是完全一致的。

• close 函數(shù)：當(dāng)我們使用完進(jìn)程池之后，通過調(diào)用 close 函數(shù)可以關(guān)閉進(jìn)程池。它沒有任何的參數(shù)，也沒有任何的返回值。

• join 函數(shù)：它和我們上一章節(jié)學(xué)習(xí)的 創(chuàng)建進(jìn)程的 join 函數(shù)中方法是一致的。只有進(jìn)程池中的任務(wù)全部執(zhí)行完畢之后，才會(huì)執(zhí)行后續(xù)的任務(wù)。不過一般它會(huì)伴隨著進(jìn)程池的關(guān)閉（close 函數(shù)）才會(huì)使用。

apply_async 函數(shù)演示案例

接下里我們?cè)?Pycharm 中創(chuàng)建一個(gè)腳本，練習(xí)一下關(guān)于進(jìn)程池的使用方法。

• 定義一個(gè)函數(shù)，打印輸出該函數(shù) 每次被執(zhí)行的次數(shù) 與 該次數(shù)的進(jìn)程號(hào)

• 定義進(jìn)程池的數(shù)量，每一次的執(zhí)行進(jìn)程數(shù)量最多為該進(jìn)程池設(shè)定的進(jìn)程數(shù)

示例代碼如下：

# coding:utf-8


import os
import time
import multiprocessing

def work(count):    # 定義一個(gè) work 函數(shù)，打印輸出 每次執(zhí)行的次數(shù) 與 該次數(shù)的進(jìn)程號(hào)
    print('\'work\' 函數(shù) 第 {} 次執(zhí)行，進(jìn)程號(hào)為 {}'.format(count, os.getpid()))
    time.sleep(3)
    # print('********')


if __name__ == '__main__':
    pool = multiprocessing.Pool(3)      # 定義進(jìn)程池的進(jìn)程數(shù)量，同一時(shí)間每次執(zhí)行最多3個(gè)進(jìn)程
    for i in range(21):
        pool.apply_async(func=work, args=(i,))      # 傳入的參數(shù)是元組，因?yàn)槲覀冎挥幸粋€(gè) i 參數(shù)，所以我們要寫成 args=(i,)

    time.sleep(15)      # 這里的休眠時(shí)間是必須要加上的，否則我們的進(jìn)程池還未運(yùn)行，主進(jìn)程就已經(jīng)運(yùn)行結(jié)束，對(duì)應(yīng)的進(jìn)程池也會(huì)關(guān)閉。

運(yùn)行結(jié)果如下：

從上圖中我們可以看到每一次都是一次性運(yùn)行三個(gè)進(jìn)程，每一個(gè)進(jìn)程的進(jìn)程號(hào)是不一樣的，但仔細(xì)看會(huì)發(fā)現(xiàn)存在相同的進(jìn)程號(hào)，這說(shuō)明進(jìn)程池的進(jìn)程號(hào)在被重復(fù)利用。這證明我們上文介紹的內(nèi)容，進(jìn)程池中的進(jìn)程不會(huì)被關(guān)閉，可以反復(fù)使用。

而且我們還可以看到每隔3秒都會(huì)執(zhí)行3個(gè)進(jìn)程，原因是我們的進(jìn)程池中只有3個(gè)進(jìn)程；雖然我們的 for 循環(huán) 中有 21 個(gè)任務(wù)，work 函數(shù)會(huì)被執(zhí)行21次，但是由于我們的進(jìn)程池中只有3個(gè)進(jìn)程。所以當(dāng)執(zhí)行了3個(gè)任務(wù)之后（休眠3秒），后面的任務(wù)等待進(jìn)程池中的進(jìn)程處于空閑狀態(tài)之后才會(huì)繼續(xù)執(zhí)行。

同樣的，進(jìn)程號(hào)在順序上回出現(xiàn)一定的區(qū)別，原因是因?yàn)槲覀兪褂玫氖且环N 異步 的方法（異步即非同步）。這就導(dǎo)致 work 函數(shù) 一起執(zhí)行的三個(gè)任務(wù)會(huì)被打亂順序，這也是為什么我們的進(jìn)程號(hào)出現(xiàn)順序不一致的原因。（更多的異步知識(shí)我們會(huì)在異步的章節(jié)進(jìn)行詳細(xì)介紹）

進(jìn)程池的原理： 上述腳本的案例證實(shí)了我們進(jìn)程池關(guān)于進(jìn)程的限制，只有當(dāng)我們進(jìn)程池中的進(jìn)程處于空閑狀態(tài)的時(shí)候才會(huì)將進(jìn)程池外等待的任務(wù)扔到進(jìn)程池中工作。

close 函數(shù)與 join 函數(shù) 演示

在上文的腳本中, 我們使用 time.sleep(15) 幫助我們將主進(jìn)程阻塞15秒鐘再次退出，所以給了我們進(jìn)程池足夠的時(shí)間完成我們的 work() 函數(shù)的循環(huán)任務(wù)。

如果沒有 time.sleep(15) 這句話又怎么辦呢，其實(shí)這里就可以使用進(jìn)程的 join 函數(shù)了。不過上文我們也提到過，進(jìn)程的 join() 函數(shù)一般都會(huì)伴隨進(jìn)程池的關(guān)閉（close 函數(shù)）來(lái)使用。接下來(lái)，我們就將上文腳本中的 time.sleep(15) 替換成 join() 函數(shù)試一下。

示例代碼如下：

# coding:utf-8


import os
import time
import multiprocessing

def work(count):    # 定義一個(gè) work 函數(shù)，打印輸出 每次執(zhí)行的次數(shù) 與 該次數(shù)的進(jìn)程號(hào)
    print('\'work\' 函數(shù) 第 {} 次執(zhí)行，進(jìn)程號(hào)為 {}'.format(count, os.getpid()))
    time.sleep(3)
    # print('********')


if __name__ == '__main__':
    pool = multiprocessing.Pool(3)      # 定義進(jìn)程池的進(jìn)程數(shù)量，同一時(shí)間每次執(zhí)行最多3個(gè)進(jìn)程
    for i in range(21):
        pool.apply_async(func=work, args=(i,))      # 傳入的參數(shù)是元組，因?yàn)槲覀冎挥幸粋€(gè) i 參數(shù)，所以我們要寫成 args=(i,)

    # time.sleep(15) 
    pool.close()
    pool.join()

運(yùn)行結(jié)果如下：

從上面的動(dòng)圖我們可以看出，work() 函數(shù)的任務(wù)與進(jìn)程池中的進(jìn)程與使用 time.sleep(15)的運(yùn)行結(jié)果一致。

PS：如果我們的主進(jìn)程會(huì)一直執(zhí)行，不會(huì)退出。那么我們并不需要添加 close() 與 join() 函數(shù) ，可以讓進(jìn)程池一直啟動(dòng)著，直到有任務(wù)進(jìn)來(lái)就會(huì)執(zhí)行。

在后面學(xué)習(xí) WEB 開發(fā)之后，不退出主進(jìn)程進(jìn)行工作是家常便飯。還有一些需要長(zhǎng)期執(zhí)行的任務(wù)也不會(huì)關(guān)閉，但要是只有一次性執(zhí)行的腳本，就需要添加 close() 與 join() 函數(shù) 來(lái)保證進(jìn)程池的任務(wù)全部完成之后主進(jìn)程再退出。當(dāng)然，如果主進(jìn)程關(guān)閉了，就不會(huì)再接受新的任務(wù)了，也就代表了進(jìn)程池的終結(jié)。

接下來(lái)再看一個(gè)例子，在 work 函數(shù) 中加入一個(gè) return。

這里大家可能會(huì)有一個(gè)疑問，在上一章節(jié)針對(duì)進(jìn)程的知識(shí)點(diǎn)明明說(shuō)的是 進(jìn)程無(wú)法獲取返回值，那么這里的 work() 函數(shù)增加的 return 又有什么意義呢？

其實(shí)不然，在我們的使用進(jìn)程池的 apply_async 方法時(shí)，是通過異步的方式實(shí)現(xiàn)的，而異步是可以獲取返回值的。針對(duì)上述腳本，我們?cè)?for循環(huán)中針對(duì)每一個(gè)異步 apply_async 添加一個(gè)變量名，從而獲取返回值。

示例代碼如下：

# coding:utf-8


import os
import time
import multiprocessing

def work(count):    # 定義一個(gè) work 函數(shù)，打印輸出 每次執(zhí)行的次數(shù) 與 該次數(shù)的進(jìn)程號(hào)
    print('\'work\' 函數(shù) 第 {} 次執(zhí)行，進(jìn)程號(hào)為 {}'.format(count, os.getpid()))
    time.sleep(3)
    return '\'work\' 函數(shù) result 返回值為：{}, 進(jìn)程ID為：{}'.format(count, os.getpid())


if __name__ == '__main__':
    pool = multiprocessing.Pool(3)      # 定義進(jìn)程池的進(jìn)程數(shù)量，同一時(shí)間每次執(zhí)行最多3個(gè)進(jìn)程
    results = []
    for i in range(21):
        result = pool.apply_async(func=work, args=(i,))      # 傳入的參數(shù)是元組，因?yàn)槲覀冎挥幸粋€(gè) i 參數(shù)，所以我們要寫成 args=(i,)
        results.append(result)

    for result in results:
        print(result.get())     # 可以通過這個(gè)方式返回 apply_async 的返回值，
                                # 通過這種方式也不再需要 使用 close()、join() 函數(shù)就可以正常執(zhí)行。

    # time.sleep(15)      # 這里的休眠時(shí)間是必須要加上的，否則我們的進(jìn)程池還未運(yùn)行，主進(jìn)程就已經(jīng)運(yùn)行結(jié)束，對(duì)應(yīng)的進(jìn)程池也會(huì)關(guān)閉。
    # pool.close()
    # pool.join()

運(yùn)行結(jié)果如下：

從運(yùn)行結(jié)果可以看出，首先 work() 函數(shù)被線程池的線程執(zhí)行了一遍，當(dāng)?shù)谝唤M任務(wù)執(zhí)行完畢緊接著執(zhí)行第二次線程池任務(wù)的時(shí)候，打印輸出了 apply_async 的返回值，證明返回值被成功的返回了。然后繼續(xù)下一組的任務(wù)…

這些都是主要依賴于 異步 ，關(guān)于 異步 的更多知識(shí)會(huì)在 異步 的章節(jié)進(jìn)行詳細(xì)的介紹。

進(jìn)程鎖

進(jìn)程鎖的概念

鎖：大家都知道，我們可以給一個(gè)大門上鎖。

結(jié)合這個(gè)場(chǎng)景來(lái)舉一個(gè)例子：比如現(xiàn)在有多個(gè)進(jìn)程同時(shí)沖向一個(gè) "大門" ，當(dāng)前門內(nèi)是沒有 "人"的(其實(shí)就是進(jìn)程)，鎖也沒有鎖上。當(dāng)有一個(gè)進(jìn)程進(jìn)去之后并且把 “門” 鎖上了，這時(shí)候門外的那些進(jìn)程是進(jìn)不來(lái)的。在門內(nèi)的 “人” ，可以在 “門” 內(nèi)做任何事情且不會(huì)被干擾。當(dāng)它出來(lái)之后，會(huì)解開門鎖。這時(shí)候又有一個(gè) “人” 進(jìn)去了門內(nèi)，并且重復(fù)這樣的操作，這就是 進(jìn)程鎖。它可以讓鎖后面的工作只能被一個(gè)任務(wù)來(lái)處理，只有它解鎖之后下一個(gè)任務(wù)才會(huì)進(jìn)入，這就是 “鎖” 的概念。

而 進(jìn)程鎖 就是僅針對(duì)于 進(jìn)程 有效的鎖，當(dāng)進(jìn)程的任務(wù)開始之后，就會(huì)被上一把 “鎖”；與之對(duì)應(yīng)的是 線程鎖 ，它們的原理幾乎是一樣的。

進(jìn)程鎖的加鎖與解鎖

進(jìn)程鎖的使用方法：

通過 multiprocessing 導(dǎo)入 Manager 類

from multiprocessing import Manager

然后實(shí)例化 Manager

manager = Manager()

再然后通過實(shí)例化后的 manager 調(diào)用 它的 Lock() 函數(shù)

lock = manager.Lock()

接下來(lái)，就需要操作這個(gè) lock 對(duì)象的函數(shù)

代碼示例如下：

# coding:utf-8


import os
import time
import multiprocessing


def work(count, lock):    # 定義一個(gè) work 函數(shù)，打印輸出 每次執(zhí)行的次數(shù) 與 該次數(shù)的進(jìn)程號(hào),增加線程鎖。
    lock.acquire()        # 上鎖
    print('\'work\' 函數(shù) 第 {} 次執(zhí)行，進(jìn)程號(hào)為 {}'.format(count, os.getpid()))
    time.sleep(3)
    lock.release()        # 解鎖
    return '\'work\' 函數(shù) result 返回值為：{}, 進(jìn)程ID為：{}'.format(count, os.getpid())


if __name__ == '__main__':
    pool = multiprocessing.Pool(3)      # 定義進(jìn)程池的進(jìn)程數(shù)量，同一時(shí)間每次執(zhí)行最多3個(gè)進(jìn)程
    manager = multiprocessing.Manager()
    lock = manager.Lock()
    results = []
    for i in range(21):
        result = pool.apply_async(func=work, args=(i, lock))      # 傳入的參數(shù)是元組，因?yàn)槲覀冎挥幸粋€(gè) i 參數(shù)，所以我們要寫成 args=(i,)
        # results.append(result)


    # time.sleep(15)      # 這里的休眠時(shí)間是必須要加上的，否則我們的進(jìn)程池還未運(yùn)行，主進(jìn)程就已經(jīng)運(yùn)行結(jié)束，對(duì)應(yīng)的進(jìn)程池也會(huì)關(guān)閉。
    pool.close()
    pool.join()

執(zhí)行結(jié)果如下：

從上圖中，可以看到每一次只有一個(gè)任務(wù)會(huì)被執(zhí)行。由于每一個(gè)進(jìn)程會(huì)被阻塞 3秒鐘，所以我們的進(jìn)程執(zhí)行的非常慢。這是因?yàn)槊恳粋€(gè)進(jìn)程進(jìn)入到 work() 函數(shù)中，都會(huì)執(zhí)行 上鎖、阻塞3秒、解鎖 的過程，這樣就完成了一個(gè)進(jìn)程的工作。下一個(gè)進(jìn)程任務(wù)開始，重復(fù)這個(gè)過程… 這就是 進(jìn)程鎖的概念。

其實(shí)進(jìn)程鎖還有很多種方法，在 multiprocessing 中有一個(gè)直接使用的鎖，就是 ``from multiprocessing import Lock。這個(gè)Lock的鎖使用和我們剛剛介紹的Manager` 的鎖的使用有所區(qū)別。（這里不做詳細(xì)介紹，感興趣的話可以自行拓展一下。）

鎖 的使用可以讓我們對(duì)某個(gè)任務(wù) 在同一時(shí)間只能對(duì)一個(gè)進(jìn)程進(jìn)行開發(fā)，但是 鎖也不可以亂用 。因?yàn)槿绻承┰蛟斐?鎖沒有正常解開 ，就會(huì)造成死鎖的現(xiàn)象，這樣就無(wú)法再進(jìn)行操作了。

因?yàn)?鎖如果解不開 ，后面的任務(wù)也就沒有辦法繼續(xù)執(zhí)行任務(wù)，所以使用鎖一定要謹(jǐn)慎。

到此，相信大家對(duì)“Python進(jìn)程池與進(jìn)程鎖實(shí)例分析”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！