进程池和multiprocess.Pool模块

最新推荐文章于 2024-04-20 14:20:09 发布

原创最新推荐文章于 2024-04-20 14:20:09 发布 · 257 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #进程池

网络以及线程进程协程专栏收录该内容

14 篇文章

订阅专栏

本文介绍了Python的进程池概念及其使用，包括如何创建进程池、同步与异步调用方法`apply`和`apply_async`，以及回调函数的应用。进程池允许固定数量的进程处理任务，提高了程序效率并简化了进程管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么要有进程池?进程池的概念。
在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，我们就需要去创建成千上万个进程么？首先，创建进程需要消耗时间，销毁进程也需要消耗时间。第二即便开启了成千上万的进程，操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢？

在这里，要给大家介绍一个进程池的概念，定义一个池子，在里面放上固定数量的进程，有需求来
了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。

一个池子，里面有固定数量的进程。这些进程一直处于待命状态，一旦有任务来，马上就有进程去处理
进程池还会帮助程序员去管理池中的进程。

一.创建代码

Pool([numprocess [,initializer [, initargs]]]):创建进程池

参数：

numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值
initializer：是每个工作进程启动时要执行的可调用对象，默认为None
initargs：是要传给initializer的参数组

二.方法

p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。.同步
- '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用 p.apply()函数或者使用p.apply_async()'''
p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。异步
- '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。 callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''
p.close():关闭进程池，防止进一步操作。
- 如果所有操作持续挂起，它们将在工作进程终止前完成
P.jion():等待所有工作进程退出。
- 此方法只能在close（）或teminate()之后调用

三.进程池的同步调用 p.apply(func [, args [, kwargs]])

import os
from multiprocessing import Pool
def work(n):
    print('%s run'%os.getpid())
    return n**2
if __name__ == "__main__":
    p = Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
    res_1 = []
    for i in range(10):
        ree = p.apply(work,args=(i,))
        # 同步调用，直到本次任务执行完毕拿到res，等待任务work执
        # 行的过程中可能有阻塞也可能没有阻塞
        # 但不管该任务是否存在阻塞，同步调用都会在原地等着
        res_1.append(ree)
    for i in res_1:
        print(i)

结果：

四. 进程池的异步调用 p.apply_async(func [, args [, kwargs]])

代码：

import os
from multiprocessing import Pool
def work(n):
    print('%s run'%os.getpid())
    return n**2
if __name__ == '__main__':
    p = Pool(3)#进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
    res_1 = []
    for i in range(10):
        res = p.apply_async(work,args=(i,))
        # 异步运行，根据进程池中有的进程数，每次最多3个子
        #进程在异步执行
        # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务 
        # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束 
        # 而是执行完一个就释放一个进程，这个进程就去接收新的任务
        res_1.append(res)
    p.close()
    p.join()
    for res in res_1:
        print(res.get())   #使用get来获取apply_aync的结果,如果是apply,则没有get方法,
        #  因为apply是同步执行,立刻获取结果,也根本无需get

结果：

同步异步对比：

同步：在一个池工作进程中执行func(*args,**kwargs),然后返回结果

异步：此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数即对象

五. 回调函数

需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。