程序與多程序的理解與實現

1). unix/linux作業系統提供了乙個fork()系統呼叫，它非常特殊。普通的函式呼叫，呼叫一次，返回一次，但是fork()呼叫一次，返回兩次，因為作業系統自動把當前程序（稱為父程序）複製了乙份（稱為子程序），然後，分別在父程序和子程序內返回。 2). 子程序永遠返回0，而父程序返回子程序的id。這樣做的理由是，乙個父程序可以fork 出很多子程序，所以，父程序要記下每個子程序的id，而子程序只需要呼叫getppid() 就可以拿到父程序的id。 3). python的os模組封裝了常見的系統呼叫，其中就包括fork，可以在python程式中輕鬆建立子程序：原理: 父程序和子程序:, 如果父程序結束，子程序也隨之結束; 先有父程序，再有子程序. 類linux系統中(redhat,mac), fork函式; 常用函式: os.fork() os.getpid() # 獲取當前程序的pid （process id）

os.getppid() # 獲取當前程序的父程序pid (parent process id)

import os
print("當前程序(pid=%d)正在執行......." %(os.getpid()))
# 在pycharm編寫**， 程式的父程序就是pycharm;
print("當前程序的父程序為(pid=%d)正在執行....." %(os.getppid()))
print("開始建立子程序.....")
pid = os.fork()
print(pid)
if  pid == 0:
print("這是子程序返回的是0， 子程序的pid為%d, 父程序為%d" %(os.getpid(), os.getppid()))
else:
print("這是父程序返回的，返回值為子程序的pid， 為%d" %(pid))
#---->輸出：
當前程序(pid=6557)正在執行.......
當前程序的父程序為(pid=4385)正在執行.....
開始建立子程序.....
6561
這是父程序返回的，返回值為子程序的pid， 為6561
0這是子程序返回的是0， 子程序的pid為6561, 父程序為6557

# 1.理解：如果你打算編寫多程序的服務程式，unix/linux無疑是正確的選擇。由於windows 沒有fork呼叫，難道在windows上無法用python編寫多程序的程式？由於python是跨平台的，自然也應該提供乙個跨平台的多程序支援。multiprocessing 模組就是跨平台版本的多程序模組。 multiprocessing模組提供了乙個process類來代表乙個程序物件，下面的例子演示了啟動乙個子程序並等待其結束：建立子程序時，只需要傳入乙個執行函式和函式的引數，建立乙個process例項，用start()方法啟動，這樣建立程序比fork()還要簡單。 join()方法可以等待子程序結束後再繼續往下執行，通常用於程序間的同步。 # 2. process使用屬性及方法 process 類用來描述乙個程序物件。建立子程序的時候，只需要傳入乙個執行函式和函式的引數即可完成 process 示例的建立。 start() 方法啟動程序， join() 方法實現程序間的同步，等待所有程序退出。 close() 用來阻止多餘的程序湧入程序池 pool 造成程序阻塞。 multiprocessing.process(group=none, target=none, name=none, args=(), kwargs={}, *, daemon=none) target 是函式名字，需要呼叫的函式

args 函式需要的引數，以 tuple 的形式傳入

# multiprocessing 跨平台實現多程序
import multiprocessing
def job():
print('當前程序：%s'%(multiprocessing.current_process()))
# 通過類的例項化實現
p1 = multiprocessing.process(target=job, name="我的第1個子程序")
p1.start()
p2 = multiprocessing.process(target=job, name="我的第2個子程序")
p2.start()
# join方法， 等待所有的子程序執行結束， 再執行主程序
p1.join()
p2.join()
print("任務執行結束.....")
# 類的方法實現多程序
import multiprocessing
class myprocess(multiprocessing.process):
# 重寫run方法*****start方法預設執行run方法
def run(self):
print("當前子程序的名稱%s....." % (multiprocessing.current_process()))
p1 = myprocess(name="first")
p1.start()
p2 = myprocess(name="second")
p2.start()
p1.join()
p2.join()
print("all finish.....")

# 多程序案例效率演示
import threading
import time
import functools
import multiprocessing
# 時間裝飾器
def timeit(f):
@functools.wraps(f)
start_time=time.time()
res=f(*args,**kwargs)
end_time=time.time()
print('%s函式執行的時間是%.2f' %(f.__name__,end_time-start_time))
return res
def job(li):
return sum(li)
@timeit
def no_use_thread():
li=range(1,100000000)
for i in range(5):
job(li)
@timeit
def use_thread():
li=range(1,100000000)
threads=
for i in range(5):
t=threading.thread(target=job,args=(li,))
t.start()
[thread.join() for thread in threads]
@timeit
def use_process():
li=range(1,100000000)
processes=
# 1). 開啟的程序數是有瓶頸的， 取決於cpu個數,
# 2). 如果處理的資料比較小， 不建議使用多程序,因為建立程序和銷毀程序需要時間;
# 3). 如果處理資料足夠大， 0《程序數《cpu個數;
for i in range(5):
p=multiprocessing.process(target=job,args=(li,))
p.start()
[process.join() for process in processes]
if __name__ == '__main__':
no_use_thread()
use_thread()
use_process()
#---->輸出：
no_use_thread函式執行的時間是8.29
use_thread函式執行的時間是8.42
use_process函式執行的時間是3.10

程序與多程序的理解與實現

程序與多程序概念

多執行緒與多程序的理解

Python 多程序與程序池

程序與多程序的理解與實現

程序與多程序概念

多執行緒與多程序的理解

Python 多程序與程序池

相關推薦