來源：公眾號【杰哥的IT之旅】
作者：阿拉斯加
ID：Jake_Internet

一、進程介紹

進程：正在執行的程序，由程序、數據和進程控制塊組成，是正在執行的程序，程序的一次執行過程，是資源調度的基本單位。

程序：沒有執行的代碼，是一個靜態的。

二、線程和進程之間的對比

由圖可知：此時電腦有 9 個應用進程，但是一個進程又會對應于多個線程，可以得出結論：

進程：能夠完成多任務，一臺電腦上可以同時運行多個 QQ

線程：能夠完成多任務，一個 QQ 中的多個聊天窗口

根本區別：進程是操作系統資源分配的基本單位，而線程是任務調度和執行的基本單位.

使用多進程的優勢:

1、擁有獨立GIL:

首先由于進程中 GIL 的存在，Python 中的多線程并不能很好地發揮多核優勢，一個進程中的多個線程，在同 一時刻只能有一個線程運行。而對于多進程來說，每個進程都有屬于自己的 GIL，所以，在多核處理器下，多進程的運行是不會受 GIL的影響的。因此，多進 程能更好地發揮多核的優勢。

2、效率高

當然，對于爬蟲這種 IO 密集型任務來說，多線程和多進程影響差別并不大。對于計算密集型任務來說，Python 的多進程相比多線 程，其多核運行效率會有成倍的提升。

三、Python 實現多進程

我們先用一個實例來感受一下：

1、使用 process 類

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()

這是一個實現多進程最基礎的方式：通過創建 Process 來新建一個子進程，其中 target 參數傳入方法名，args 是方法的參數，是以 元組的形式傳入，其和被調用的方法 process 的參數是一一對應的。

注意：這里 args 必須要是一個元組，如果只有一個參數，那也要在元組第一個元素后面加一個逗號，如果沒有逗號則 和單個元素本身沒有區別，無法構成元組，導致參數傳遞出現問題。創建完進程之后，我們通過調用 start 方法即可啟動進程了。

運行結果如下：

Process:?0? Process:?1? Process:?2? Process:?3? Process:?4

可以看到，我們運行了 5 個子進程，每個進程都調用了 process 方法。process 方法的 index 參數通過 Process 的 args 傳入，分別是 0~4 這 5 個序號，最后打印出來，5 個子進程運行結束。

2、繼承 process 類

from?multiprocessing?import?Process import?timeclass?MyProcess(Process):def?__init__(self,loop):Process.__init__(self)self.loop?=?loopdef?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()

我們首先聲明了一個構造方法，這個方法接收一個 loop 參數，代表循環次數，并將其設置為全局變量。在 run方法中，又使用這 個 loop 變量循環了 loop 次并打印了當前的進程號和循環次數。

在調用時，我們用 range 方法得到了 2、3、4 三個數字，并把它們分別初始化了 MyProcess 進程，然后調用 start 方法將進程啟動起 來。

注意：這里進程的執行邏輯需要在 run 方法中實現，啟動進程需要調用 start 方法，調用之后 run 方法便會執行。

運行結果如下：

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，這里的進程 pid 代表進程號，不同機器、不同時刻運行結果可能不同。

四、進程之間的通信

1、Queue-隊列 先進先出

from?multiprocessing?import?Queue import?multiprocessingdef?download(p):?#?下載數據lst?=?[11,22,33,44]for?item?in?lst:p.put(item)print('數據已經下載成功....')def?savedata(p):lst?=?[]while?True:data?=?p.get()lst.append(data)if?p.empty():breakprint(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()數據已經下載成功.... [11,?22,?33,?44]

2、共享全局變量不適用于多進程編程

import?multiprocessinga?=?1def?demo1():global?aa?+=?1def?demo2():print(a)def?main():t1?=?multiprocessing.Process(target=demo1)t2?=?multiprocessing.Process(target=demo2)t1.start()t2.start()if?__name__?==?'__main__':main()

運行結果:

1

有結果可知：全局變量不共享；

五、進程池之間的通信

1、進程池引入

當需要創建的子進程數量不多時，可以直接利用 multiprocessing 中的 Process 動態生成多個進程，但是如果是上百甚至上千個目標，手動的去創建的進程的工作量巨大，此時就可以用到 multiprocessing 模塊提供的 Pool 方法。

from?multiprocessing?import?Pool import?os,time,randomdef?worker(a):t_start?=?time.time()print('%s開始執行,進程號為%d'%(a,os.getpid()))time.sleep(random.random()*2)t_stop?=?time.time()print(a,"執行完成,耗時%0.2f"%(t_stop-t_start))if?__name__?==?'__main__':po?=?Pool(3)????????#?定義一個進程池for?i?in?range(0,10):po.apply_async(worker,(i,))????#?向進程池中添加worker的任務print("--start--")po.close()??????po.join()???????print("--end--")

運行結果:

--start-- 0開始執行,進程號為6664 1開始執行,進程號為4772 2開始執行,進程號為13256 0?執行完成,耗時0.18 3開始執行,進程號為6664 2?執行完成,耗時0.16 4開始執行,進程號為13256 1?執行完成,耗時0.67 5開始執行,進程號為4772 4?執行完成,耗時0.87 6開始執行,進程號為13256 3?執行完成,耗時1.59 7開始執行,進程號為6664 5?執行完成,耗時1.15 8開始執行,進程號為4772 7?執行完成,耗時0.40 9開始執行,進程號為6664 6?執行完成,耗時1.80 8?執行完成,耗時1.49 9?執行完成,耗時1.36 --end--

一個進程池只能容納 3 個進程，執行完成才能添加新的任務，在不斷的打開與釋放的過程中循環往復。

六、案例:文件批量復制

操作思路:

• 獲取要復制文件夾的名字

• 創建一個新的文件夾

• 獲取文件夾里面所有待復制的文件名

• 創建進程池

• 向進程池添加任務

代碼如下:

導包

import?multiprocessing import?os import?time

定制文件復制函數

def?copy_file(Q,oldfolderName,newfolderName,file_name):#?文件復制,不需要返回time.sleep(0.5)#?print('\r從%s文件夾復制到%s文件夾的%s文件'%(oldfolderName,newfolderName,file_name),end='')old_file?=?open(oldfolderName?+?'/'?+?file_name,'rb')?#?待復制文件content?=?old_file.read()old_file.close()new_file?=?open(newfolderName?+?'/'?+?file_name,'wb')?#?復制出的新文件new_file.write(content)new_file.close()Q.put(file_name)?#?向Q隊列中添加文件

定義主函數

def?main():oldfolderName?=?input('請輸入要復制的文件夾名字:')?#?步驟1獲取要復制文件夾的名字(可以手動創建,也可以通過代碼創建,這里我們手動創建)newfolderName?=?oldfolderName?+?'復件'#?步驟二?創建一個新的文件夾if?not?os.path.exists(newfolderName):os.mkdir(newfolderName)filenames?=?os.listdir(oldfolderName)?#?3.獲取文件夾里面所有待復制的文件名#?print(filenames)pool?=?multiprocessing.Pool(5)?#?4.創建進程池Q?=?multiprocessing.Manager().Queue()?#?創建隊列,進行通信for?file_name?in?filenames:pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name))?#?5.向進程池添加任務po.close()copy_file_num?=?0file_count?=?len(filenames)#?不知道什么時候完成,所以定義一個死循環while?True:file_name?=?Q.get()copy_file_num?+=?1time.sleep(0.2)print('\r拷貝進度%.2f?%%'%(copy_file_num??*?100/file_count),end='')?#?做一個拷貝進度條if?copy_file_num?>=?file_count:break

程序運行

if?__name__?==?'__main__':main()

運行結果如下圖所示：

運行前后文件目錄結構對比

運行前

運行后

以上內容就是整體大致結果了，由于 test 里面是隨便粘貼的測試文件，這里就不展開演示了。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群554839127，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】利用 Python 实现多任务进程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。