深入理解python多进程编程

1、python多进程编程背景

python中的多进程最大的好处就是充分利用多核cpu的资源，不像python中的多线程，受制于GIL的限制，从而只能进行cpu分配，在python的多进程中，适合于所有的场合，基本上能用多线程的，那么基本上就能用多进程。

在进行多进程编程的时候，其实和多线程差不多，在多线程的包threading中，存在一个线程类Thread，在其中有三种方法来创建一个线程，启动线程，其实在多进程编程中，存在一个进程类Process，也可以使用那集中方法来使用；在多线程中，内存中的数据是可以直接共享的，例如list等，但是在多进程中，内存数据是不能共享的，从而需要用单独的数据结构来处理共享的数据；在多线程中，数据共享，要保证数据的正确性，从而必须要有所，但是在多进程中，锁的考虑应该很少，因为进程是不共享内存信息的，进程之间的交互数据必须要通过特殊的数据结构，在多进程中，主要的内容如下图：

2、多进程的类Process

多进程的类Process和多线程的类Thread差不多的方法，两者的接口基本相同，具体看以下的代码：

#!/usr/bin/env python

from multiprocessing import Process
import os
import time

def func(name):
 print 'start a process'
 time.sleep(3)
 print 'the process parent id :',os.getppid()
 print 'the process id is :',os.getpid()

if __name__ =='__main__':
 processes = []
 for i in range(2):
   p = Process(target=func,args=(i,))
   processes.append(p)
 for i in processes:
   i.start()
 print 'start all process'
 for i in processes:
   i.join()
   #pass
 print 'all sub process is done!'

在上面例子中可以看到，多进程和多线程的API接口是一样一样的，显示创建进程，然后进行start开始运行，然后join等待进程结束。

在需要执行的函数中，打印出了进程的id和pid，从而可以看到父进程和子进程的id号，在linu中，进程主要是使用fork出来的，在创建进程的时候可以查询到父进程和子进程的id号，而在多线程中是无法找到线程的id，执行效果如下：

start all process
start a process
start a process

the process parent id : 8036
the process parent id : 8036
the process id is : 8037
the process id is : 8038
all sub process is done!

在操作系统中查询的id的时候，最好用pstree，清晰：

├─sshd(1508)─┬─sshd(2259)───bash(2261)───python(7520)─┬─python(7521)    │      │                    ├─python(7522)    │      │                    ├─python(7523)    │      │                    ├─python(7524)    │      │                    ├─python(7525)    │      │                    ├─python(7526)    │      │                    ├─python(7527)    │      │                    ├─python(7528)    │      │                    ├─python(7529)    │      │                    ├─python(7530)    │      │                    ├─python(7531)    │      │                    └─python(7532)

在进行运行的时候，可以看到，如果没有join语句，那么主进程是不会等待子进程结束的，是一直会执行下去，然后再等待子进程的执行。

在多进程的时候，说，我怎么得到多进程的返回值呢？然后写了下面的代码：

#!/usr/bin/env python

import multiprocessing

class MyProcess(multiprocessing.Process):
 def __init__(self,name,func,args):
   super(MyProcess,self).__init__()
   self.name = name
   self.func = func
   self.args = args
   self.res = ''

def run(self):
   self.res = self.func(*self.args)
   print self.name
   print self.res
   return (self.res,'kel')

def func(name):
 print 'start process...'
 return name.upper()

if __name__ == '__main__':
 processes = []
 result = []
 for i in range(3):
   p = MyProcess('process',func,('kel',))
   processes.append(p)
 for i in processes:
   i.start()
 for i in processes:
   i.join()
 for i in processes:
   result.append(i.res)
 for i in result:
   print i

尝试从结果中返回值，从而在主进程中得到子进程的返回值，然而，，，并没有结果，后来一想，在进程中，进程之间是不共享内存的 ，那么使用list来存放数据显然是不可行的，进程之间的交互必须依赖于特殊的数据结构，从而以上的代码仅仅是执行进程，不能得到进程的返回值，但是以上代码修改为线程，那么是可以得到返回值的。

3、进程间的交互Queue

进程间交互的时候，首先就可以使用在多线程里面一样的Queue结构，但是在多进程中，必须使用multiprocessing里的Queue，代码如下：

#!/usr/bin/env python

import multiprocessing

class MyProcess(multiprocessing.Process):
 def __init__(self,name,func,args):
   super(MyProcess,self).__init__()
   self.name = name
   self.func = func
   self.args = args
   self.res = ''

def run(self):
   self.res = self.func(*self.args)

def func(name,q):
 print 'start process...'
 q.put(name.upper())

if __name__ == '__main__':
 processes = []
 q = multiprocessing.Queue()
 for i in range(3):
   p = MyProcess('process',func,('kel',q))
   processes.append(p)
 for i in processes:
   i.start()
 for i in processes:
   i.join()
 while q.qsize() > 0:
   print q.get()

其实这个是上面例子的改进，在其中，并没有使用什么其他的代码，主要就是使用Queue来保存数据，从而可以达到进程间交换数据的目的。

在进行使用Queue的时候，其实用的是socket，感觉，因为在其中使用的还是发送send，然后是接收recv。

在进行数据交互的时候，其实是父进程和所有的子进程进行数据交互，所有的子进程之间基本是没有交互的，除非，但是，也是可以的，例如，每个进程去Queue中取数据，但是这个时候应该是要考虑锁，不然可能会造成数据混乱。

4、 进程之间交互Pipe

在进程之间交互数据的时候还可以使用Pipe，代码如下：

#!/usr/bin/env python

import multiprocessing

class MyProcess(multiprocessing.Process):
 def __init__(self,name,func,args):
   super(MyProcess,self).__init__()
   self.name = name
   self.func = func
   self.args = args
   self.res = ''

def run(self):
   self.res = self.func(*self.args)

def func(name,q):
 print 'start process...'
 child_conn.send(name.upper())

if __name__ == '__main__':
 processes = []
 parent_conn,child_conn = multiprocessing.Pipe()
 for i in range(3):
   p = MyProcess('process',func,('kel',child_conn))
   processes.append(p)
 for i in processes:
   i.start()
 for i in processes:
   i.join()
 for i in processes:
   print parent_conn.recv()

在以上代码中，主要是使用Pipe中返回的两个socket来进行传输和接收数据，在父进程中，使用的是parent_conn，在子进程中使用的是child_conn，从而子进程发送数据的方法send，而在父进程中进行接收方法recv

最好的地方在于，明确的知道收发的次数，但是如果某个出现异常，那么估计pipe不能使用了。

5、进程池pool

其实在使用多进程的时候，感觉使用pool是最方便的，在多线程中是不存在pool的。

在使用pool的时候，可以限制每次的进程数，也就是剩余的进程是在排队，而只有在设定的数量的进程在运行，在默认的情况下，进程是cpu的个数，也就是根据multiprocessing.cpu_count()得出的结果。

在poo中，有两个方法，一个是map一个是imap，其实这两方法超级方便，在执行结束之后，可以得到每个进程的返回结果，但是缺点就是每次的时候，只能有一个参数，也就是在执行的函数中，最多是只有一个参数的，否则，需要使用组合参数的方法，代码如下所示：

#!/usr/bin/env python

import multiprocessing

def func(name):
 print 'start process'
 return name.upper()

if __name__ == '__main__':
 p = multiprocessing.Pool(5)
 print p.map(func,['kel','smile'])
 for i in p.imap(func,['kel','smile']):
   print i

在使用map的时候，直接返回的一个是一个list，从而这个list也就是函数执行的结果，而在imap中，返回的是一个由结果组成的迭代器，如果需要使用多个参数的话，那么估计需要*args，从而使用参数args。

在使用apply.async的时候，可以直接使用多个参数，如下所示：

#!/usr/bin/env python

import multiprocessing
import time
def func(name):
 print 'start process'
 time.sleep(2)
 return name.upper()

if __name__ == '__main__':
 results = []
 p = multiprocessing.Pool(5)
 for i in range(7):
   res = p.apply_async(func,args=('kel',))
   results.append(res)
 for i in results:
   print i.get(2.1)

在进行得到各个结果的时候，注意使用了一个list来进行append，要不然在得到结果get的时候会阻塞进程，从而将多进程编程了单进程，从而使用了一个list来存放相关的结果，在进行得到get数据的时候，可以设置超时时间，也就是get(timeout=5)，这种设置。

总结：

在进行多进程编程的时候，注意进程之间的交互，在执行函数之后，如何得到执行函数的结果，可以使用特殊的数据结构，例如Queue或者Pipe或者其他，在使用pool的时候，可以直接得到结果，map和imap都是直接得到一个list和可迭代对象，而apply_async得到的结果需要用一个list装起来，然后得到每个结果。