Python 多進程 multiprocessing.Pool類詳解

multiprocessing模塊

multiprocessing包是Python中的多進程管理包。它與 threading.Thread類似，可以利用multiprocessing.Process對象來創建一個進程。該進程可以允許放在Python程序內部編寫的函數中。該Process對象與Thread對象的用法相同，擁有is_alive()、join([timeout])、run()、start()、terminate()等方法。屬性有：authkey、daemon（要通過start()設置）、exitcode(進程在運行時為None、如果為–N，表示被信號N結束）、name、pid。此外multiprocessing包中也有Lock/Event/Semaphore/Condition類，用來同步進程，其用法也與threading包中的同名類一樣。multiprocessing的很大一部份與threading使用同一套API，只不過換到了多進程的情境。

這個模塊表示像線程一樣管理進程，這個是multiprocessing的核心，它與threading很相似，對多核CPU的利用率會比threading好的多。

看一下Process類的構造方法：

__init__(self, group=None, target=None, name=None, args=(), kwargs={})

參數說明：

group：進程所屬組。基本不用
target：表示調用對象。
args：表示調用對象的位置參數元組。
name：別名
kwargs：表示調用對象的字典。

創建進程的簡單實例：

#coding=utf-8
import multiprocessing

def do(n) :
  #獲取當前線程的名字
  name = multiprocessing.current_process().name
  print name,'starting'
  print "worker ", n
  return

if __name__ == '__main__' :
  numList = []
  for i in xrange(5) :
    p = multiprocessing.Process(target=do, args=(i,))
    numList.append(p)
    p.start()
    p.join()
    print "Process end."

執行結果：

Process-1 starting
worker  0
Process end.
Process-2 starting
worker  1
Process end.
Process-3 starting
worker  2
Process end.
Process-4 starting
worker  3
Process end.
Process-5 starting
worker  4
Process end.

創建子進程時，只需要傳入一個執行函數和函數的參數，創建一個Process實例，并用其start()方法啟動，這樣創建進程比fork()還要簡單。
join()方法表示等待子進程結束以后再繼續往下運行，通常用于進程間的同步。

注意：

在Windows上要想使用進程模塊，就必須把有關進程的代碼寫在當前.py文件的if name == ‘main’ :語句的下面，才能正常使用Windows下的進程模塊。Unix/Linux下則不需要。

Pool類

在使用Python進行系統管理時，特別是同時操作多個文件目錄或者遠程控制多臺主機，并行操作可以節約大量的時間。如果操作的對象數目不大時，還可以直接使用Process類動態的生成多個進程，十幾個還好，但是如果上百個甚至更多，那手動去限制進程數量就顯得特別的繁瑣，此時進程池就派上用場了。
Pool類可以提供指定數量的進程供用戶調用，當有新的請求提交到Pool中時，如果池還沒有滿，就會創建一個新的進程來執行請求。如果池滿，請求就會告知先等待，直到池中有進程結束，才會創建新的進程來執行這些請求。
下面介紹一下multiprocessing 模塊下的Pool類下的幾個方法

apply()

函數原型：

apply(func[, args=()[, kwds={}]])

該函數用于傳遞不定參數，主進程會被阻塞直到函數執行結束（不建議使用，并且3.x以后不在出現）。

apply_async()

函數原型：

apply_async(func[, args=()[, kwds={}[, callback=None]]])

與apply用法一樣，但它是非阻塞且支持結果返回進行回調。

map()

函數原型：

map(func, iterable[, chunksize=None])

Pool類中的map方法，與內置的map函數用法行為基本一致，它會使進程阻塞直到返回結果。
注意，雖然第二個參數是一個迭代器，但在實際使用中，必須在整個隊列都就緒后，程序才會運行子進程。

close()

關閉進程池（pool），使其不在接受新的任務。

terminate()

結束工作進程，不在處理未處理的任務。

join()

主進程阻塞等待子進程的退出，join方法必須在close或terminate之后使用。

multiprocessing.Pool類的實例：

import time
from multiprocessing import Pool
def run(fn):
  #fn: 函數參數是數據列表的一個元素
  time.sleep(1)
  return fn*fn

if __name__ == "__main__":
  testFL = [1,2,3,4,5,6]
  print 'shunxu:' #順序執行(也就是串行執行，單進程)
  s = time.time()
  for fn in testFL:
    run(fn)

  e1 = time.time()
  print "順序執行時間：", int(e1 - s)

  print 'concurrent:' #創建多個進程，并行執行
  pool = Pool(5)  #創建擁有5個進程數量的進程池
  #testFL:要處理的數據列表，run：處理testFL列表中數據的函數
  rl =pool.map(run, testFL)
  pool.close()#關閉進程池，不再接受新的進程
  pool.join()#主進程阻塞等待子進程的退出
  e2 = time.time()
  print "并行執行時間：", int(e2-e1)
  print rl

執行結果：

shunxu:
順序執行時間： 6
concurrent:
并行執行時間： 2
[1, 4, 9, 16, 25, 36]

上例是一個創建多個進程并發處理與順序執行處理同一數據，所用時間的差別。從結果可以看出，并發執行的時間明顯比順序執行要快很多，但是進程是要耗資源的，所以平時工作中，進程數也不能開太大。
程序中的r1表示全部進程執行結束后全局的返回結果集，run函數有返回值，所以一個進程對應一個返回結果，這個結果存在一個列表中，也就是一個結果堆中，實際上是用了隊列的原理，等待所有進程都執行完畢，就返回這個列表（列表的順序不定）。
對Pool對象調用join()方法會等待所有子進程執行完畢，調用join()之前必須先調用close()，讓其不再接受新的Process了。

再看一個實例：

import time
from multiprocessing import Pool
def run(fn) :
  time.sleep(2)
  print fn
if __name__ == "__main__" :
  startTime = time.time()
  testFL = [1,2,3,4,5]
  pool = Pool(10)#可以同時跑10個進程
  pool.map(run,testFL)
  pool.close()
  pool.join()
  endTime = time.time()
  print "time :", endTime - startTime

執行結果：

21

3
4
5
time : 2.51999998093

再次執行結果如下：

1
34

2
5
time : 2.48600006104

結果中為什么還有空行和沒有折行的數據呢？其實這跟進程調度有關，當有多個進程并行執行時，每個進程得到的時間片時間不一樣，哪個進程接受哪個請求以及執行完成時間都是不定的，所以會出現輸出亂序的情況。那為什么又會有沒這行和空行的情況呢？因為有可能在執行第一個進程時，剛要打印換行符時，切換到另一個進程，這樣就極有可能兩個數字打印到同一行，并且再次切換回第一個進程時會打印一個換行符，所以就會出現空行的情況。

進程實戰實例

并行處理某個目錄下文件中的字符個數和行數，存入res.txt文件中，
每個文件一行，格式為：filename:lineNumber,charNumber

import os
import time
from multiprocessing import Pool

def getFile(path) :
  #獲取目錄下的文件list
  fileList = []
  for root, dirs, files in list(os.walk(path)) :
    for i in files :
      if i.endswith('.txt') or i.endswith('.10w') :
        fileList.append(root + "\\" + i)
  return fileList

def operFile(filePath) :
  #統計每個文件中行數和字符數，并返回
  filePath = filePath
  fp = open(filePath)
  content = fp.readlines()
  fp.close()
  lines = len(content)
  alphaNum = 0
  for i in content :
    alphaNum += len(i.strip('\n'))
  return lines,alphaNum,filePath

def out(list1, writeFilePath) :
  #將統計結果寫入結果文件中
  fileLines = 0
  charNum = 0
  fp = open(writeFilePath,'a')
  for i in list1 :
    fp.write(i[2] + " 行數："+ str(i[0]) + " 字符數："+str(i[1]) + "\n")
    fileLines += i[0]
    charNum += i[1]
  fp.close()
  print fileLines, charNum

if __name__ == "__main__":
  #創建多個進程去統計目錄中所有文件的行數和字符數
  startTime = time.time()
  filePath = "C:\\wcx\\a"
  fileList = getFile(filePath)
  pool = Pool(5)
  resultList =pool.map(operFile, fileList)
  pool.close()
  pool.join()

  writeFilePath = "c:\\wcx\\res.txt"
  print resultList
  out(resultList, writeFilePath)
  endTime = time.time()
  print "used time is ", endTime - startTime

執行結果：

1

耗時不到1秒，可見多進程并發執行速度是很快的。