ADSL拨号VPS包含了中国大陆（联通，移动，电信，）

中国香港，国外拨号VPS。

from multiprocessing import Processdef foo(name): print('hello,%s'%name)if __name__ == '__main__': p1=Process(target=foo,args=('world',)) p2 = Process(target=foo, args=('China',)) p1.start() p2.start() print('=====主进程=====') # == == =主进程 == == = # hello, world # hello, China #主进程和子进程并发执行

注意：Process对象只能在在 if __name__ == '__main__':下创建，不然会报错。

方法二：自定义一个类继承Process类，并重写run()方法,将执行代码放在其内

from multiprocessing import Processclass MyProcess(Process): def __init__(self,name):  super().__init__()  self.name = name def run(self):  print('hello,%s'%self.name)if __name__ == '__main__': myprocess1 = MyProcess('world') myprocess2 = MyProcess('world') myprocess1.start() myprocess2.start()

Process内置方法

实例方法:

p.start()：启动进程，并调用该子进程中的p.run()

p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法

p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁

p.is_alive():如果p仍然运行，返回True

p.join([timeout]):主线程等待p终止。timeout是可选的超时时间
Process属性

p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置

p.name:进程的名称

p.pid：进程的pid

p.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可)

守护进程

类似于守护线程，只不过守护线程是对象的一个方法，而守护进程封装成对象的属性。

from multiprocessing import Processimport timeclass MyProcess(Process): def __init__(self,name):  super().__init__()  self.name = name def run(self):  time.sleep(3)  print('hello,%s'%self.name)if __name__ == '__main__': myprocess1=MyProcess('world') myprocess1.daemon = True myprocess1.start() print('结束')#不会输出‘hello world'，因为设置为守护进程，主进程不会等待

也可以使用join方法，使主进程等待

from multiprocessing import Processimport timeclass MyProcess(Process): def __init__(self,name):  super().__init__()  self.name = name def run(self):  time.sleep(3)  print('hello,%s'%self.name)if __name__ == '__main__': myprocess1=MyProcess('world') myprocess1.daemon = True myprocess1.start() myprocess1.join() #程序阻塞 print('结束')join()

进程同步和锁

进程虽然不像线程共享资源，但是这并不意味着进程间不需要加锁，比如不同进程会共享同一个终端（屏幕），或者操作同一个文件，数据库，那么数据安全还是很有必要的，因此我们可以加锁,

from multiprocessing import Process,Lockimport timedef a_print(l): #需要传入对象，因为信息不共享 l.acquire() print('我要打印信息') time.sleep(1) print('我打印完了') l.release()if __name__ == '__main__': l = Lock() for i in range(20):  p = Process(target=a_print,args=(l,))  p.start()

信号量（Semaphore）

能够并发执行的进程数，超出的进程阻塞，直到有进程运行完成。

Semaphore管理一个内置的计数器，

每当调用acquire()时内置计数器-1；

调用release() 时内置计数器+1；

计数器不能小于0；当计数器为0时，acquire()将阻塞进程直到其他进程调用release()。

from multiprocessing import Process,Queue,Semaphoreimport time,randomdef seat(s,n): s.acquire() print('学生%d坐下了'%n) time.sleep(random.randint(1,2)) s.release()if __name__ == '__main__': s = Semaphore(5) for i in range(20):  p = Process(target=seat,args=(s,i))  p.start() print('-----主进程-------')

注意：其实信号量和锁类似，只是限制进程运行某个代码块的数量（锁为1个），并不是能限制并发的进程，如上述代码，一次性还是创建了20个进程

事件（Event）

from multiprocessing import Process,Eventimport time, randomdef eating(event): event.wait() print('去吃饭的路上...')def makeing(event): print('做饭中') time.sleep(random.randint(1,2)) print('做好了，快来...') event.set()if __name__ == '__main__': event=Event() t1 = Process(target=eating,args=(event,)) t2 = Process(target=makeing,args=(event,)) t1.start() t2.start() # 做饭中 # 做好了，快来... # 去吃饭的路上...

和线程事件几乎一致

进程队列（Queue）

进程队列是进程通讯的方式之一。使用multiprocessing 下的Queue

from multiprocessing import Process,Queueimport timedef func1(queue): while True:  info=queue.get()  if info == None:   return   print(info)def func2(queue): for i in range(10):  time.sleep(1)  queue.put('is %d'%i) queue.put(None) #结束的标志if __name__ == '__main__': q = Queue() p1 = Process(target=func1,args=(q,)) p2 = Process(target=func2, args=(q,)) p1.start() p2.start()Queue类的方法，源码如下：class Queue(object): def __init__(self, maxsize=-1): #可以传参设置队列最大容量  self._maxsize = maxsize def qsize(self): #返回当前时刻队列中的个数  return 0 def empty(self): #是否为空  return False def full(self): 是否满了  return False def put(self, obj, block=True, timeout=None): #放值,blocked和timeout。如果blocked为True（默认值），并且timeout为正值，该方法会阻塞timeout指定的时间，直到该队列有剩余的空间。如果超时，会抛出Queue.Full异常。如果blocked为False，但该Queue已满，会立即抛出Queue.Full异常  pass def put_nowait(self, obj): #=put(False)  pass def get(self, block=True, timeout=None): 获取值,get方法有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，那么在等待时间内没有取到任何元素，会抛出Queue.Empty异常。如果blocked为False，有两种情况存在，如果Queue有一个值可用，则立即返回该值，否则，如果队列为空，则立即抛出Queue.Empty异常.  pass def get_nowait(self): # = get(False)  pass def close(self): #将队列关闭  pass def join_thread(self): #略，几乎不用  pass def cancel_join_thread(self):  pass

进程队列源码注释

进程池

进程的消耗是很大的，因此我们不能无节制的开启新进程，因此我们可以通过维护一个进程池来控制进程的数量。这就不同于信号量，进程池可以从源头控制进程数量。在Python中可以通过如下方法使用

同步调用

from multiprocessing import Poolimport time, random, osdef func(n): pid = os.getpid() print('进程%s正在处理第%d个任务'%(pid,n),'时间%s'%time.strftime('%H-%M-%S')) time.sleep(2) res = '处理%s'%random.choice(['成功','失败']) return resif __name__ == '__main__': p = Pool(4) #创建4个进程， li = [] for i in range(10):  res = p.apply(func,args=(i,)) 交给进程池处理，处理完成才返回值，会阻塞，即使池内还有空余进程，相当于顺序执行  li.append(res) for i in li:  print(i)

#进程1916正在处理第0个任务时间21-02-53
#进程1240正在处理第1个任务时间21-02-55
#进程3484正在处理第2个任务时间21-02-57
#进程7512正在处理第3个任务时间21-02-59
#进程1916正在处理第4个任务时间21-03-01
#进程1240正在处理第5个任务时间21-03-03
#进程3484正在处理第6个任务时间21-03-05
#进程7512正在处理第7个任务时间21-03-07
#进程1916正在处理第8个任务时间21-03-09
#进程1240正在处理第9个任务时间21-03-11

从结果可以发现两点：

因此进程池提供了异步处理的方式

from multiprocessing import Poolimport time, random, osdef func(n): pid = os.getpid() print('进程%s正在处理第%d个任务'%(pid,n),'时间%s'%time.strftime('%H-%M-%S')) time.sleep(2) res = '处理%s'%random.choice(['成功','失败']) return resif __name__ == '__main__': p = Pool(4) li = [] for i in range(10):  res = p.apply_async(func,args=(i,)) 结果不会立刻返回，遇到阻塞，开启下一个进程，在这，相当于几乎同时出现四个打印结果（一个线程处理一个任务，处理完下个任务才能进来）  li.append(res) p.close() #join之前需要关闭进程池 p.join() #因为异步，所以需要等待池内进程工作结束再继续 for i in li:  print(i.get()) #i是一个对象，通过get方法获取返回值，而同步则没有该方法

关于回调函数

from multiprocessing import Poolimport time, random, osdef func(n): pid = os.getpid() print('进程%s正在处理第%d个任务'%(pid,n),'时间%s'%time.strftime('%H-%M-%S')) time.sleep(2) res = '处理%s'%random.choice(['成功','失败']) return resdef foo(info): print(info) #传入值为进程执行结果if __name__ == '__main__': p = Pool(4) li = [] for i in range(10):  res = p.apply_async(func,args=(i,)，callback = foo) callback()回调函数会在进程执行完之后调用（主进程调用）   li.append(res) p.close()  p.join()  for i in li:  print(i.get())

有回调函数

总结

以上所述是小编给大家介绍的Python并发之多进程的方法实例代码，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！

(责任编辑：admin)