Python多進程知識點整理

本篇內容介紹了“Python多進程知識點整理”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

1.Python 多進程

通過上表我們可以看到：

多線程在IO密集型的操作下似乎也沒有很大的優勢（也許IO操作的任務再繁重一些就能體現出優勢），在CPU密集型的操作下明顯地比單線程線性執行性能更差，但是對于網絡請求這種忙等阻塞線程的操作，多線程的優勢便非常顯著了
多進程無論是在CPU密集型還是IO密集型以及網絡請求密集型（經常發生線程阻塞的操作）中，都能體現出性能的優勢。不過在類似網絡請求密集型的操作上，與多線程相差無幾，但卻更占用CPU等資源，所以對于這種情況下，我們可以選擇多線程來執行

2.例子
2.1 使用多線程運行函數

import multiprocessing as mpdef count():for i in range(1000):
        print(i)#只有在本程序為主程序的時候運行接下來的代碼#每個python模塊（python文件，也就是此處的test.py和import_test.py）都包含內置的#變量__name__,當運行模塊被執行的時候，__name__等于文件名（包含了后綴.py）；如果#import到其他模塊中，則__name__等于模塊名稱（不包含后綴.py）。而“__main__”等于當#前執行文件的名稱（包含了后綴.py）。進而當模塊被直接執行時，__name__ == 'main'結#果為真。if __name__ == "__main__":#注意這里的target調用的函數是函數名稱，不能帶();另外Process第一個字母大寫p1=mp.Process(target=count)
    p2=mp.Process(target=count)
    p1.start()
    p2.start()

在運行結果中我們可以看到這樣的片段：
152
953
153
154
155
156
157
954
158
955
159
956
160
說明在執行第一個循環的進程中，并發開始執行了第二個進程，兩個循環進程是同時進行的。

2.2 daemon

import multiprocessing as mpdef count1():for i in range(10):
        print(i)def count2():for i in range(10):
        print(i*10)if __name__ == "__main__":
    p1=mp.Process(target=count1)
    p2=mp.Process(target=count2)#進程的屬性一定要在進程開始前設置p1.daemon=Truep1.start()
    p2.start()
    print("Done")

輸出的結果為：
Done
0
10
20
30
40
50
60
70
80
90
我們可以看到主程序先運行結束，打印了“Done”，由于count1的進程沒有設置保護進程，所以主程序結束后，count1進程也被終止了。但是，count2由于被設置了程度保護，所以count2進程并沒有隨著主程序的終止而終止。
2.3 lock
lock用來處理共享資源的訪問，避免訪問沖突
2.4 Semaphore
Semaphore限制訪問數量
2.5 Event
Event用來實現進程間的同步通信
2.6 Queue
多進程安全隊列，用于實現進程間的數據傳遞。
2.7 Pipe
2.8 Pool

“Python多進程知識點整理”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！