Python multiprocessing进程间通信方式如何实现(multiprocessing,python,开发技术)

1、为什么要掌握进程间通信

python的多线程代码效率由于受制于GIL，不能利用多核CPU来加速，而多进程方式可以绕过GIL, 发挥多CPU加速的优势，能够明显提高程序的性能

但进程间通信却是不得不考虑的问题。 进程不同于线程，进程有自己的独立内存空间，不能使用全局变量在进程间传递数据。

实际项目需求中，常常存在密集计算、或实时性任务，进程之间有时需要传递大量数据，如图片、大对象等，传递数据如果通过文件序列化、或网络接口来进行，难以满足实时性要求，采用redis，或者kaffka, rabbitMQ 之第3方消息队列包，又使系统复杂化了。

Python multiprocessing 模块本身就提供了消息机制、同步机制、共享内存等各种非常高效的进程间通信方式。

了解并掌握 python 进程间通信的各类方式的使用，以及安全机制，可以帮助大幅提升程序运行性能。

2、进程间各类通信方式简介

进程间通信的主要方式总结如下

关于进程间通信的内存安全
内存安全意味着，多进程间可能会因同抢，意外销毁等原因造成共享变量异常。
Multiprocessing 模块提供的Queue, Pipe, Lock, Event 对象，都已实现了进程间通信安全机制。
采用共享内存方式通信，需要在代码中自已来跟踪、销毁这些共享内存变量，否则可能会出同抢、未正常销毁等。造成系统异常。 除非开发者很清楚共享内存使用特点，否则不建议直接使用此共享内存，而是通过Manager管理器来使用共享内存。

内存管理器Manager
Multiprocessing提供了内存管理器Manager类，可统一解决进程通信的内存安全问题，可以将各种共享数据加入管理器，包括 list, dict, Queue, Lock, Event, Shared Memory 等，由其统一跟踪与销毁。

3、消息机制通信

1) 管道 Pipe 通信方式

类似于1上简单的socket通道，双端均可收发消息。
Pipe 对象的构建方法：

parent_conn,child_conn=Pipe(duplex=True/False)

参数说明

• duplex=True, 管道为双向通信

• duplex=False, 管道为单向通信，只有child_conn可以发消息，parent_conn只能接收。

示例代码：

frommultiprocessingimportProcess,Pipedefmyfunction(conn):conn.send(['hi!!IamPython'])conn.close()if__name__=='__main__':parent_conn,child_conn=Pipe()p=Process(target=myfunction,args=(child_conn,))p.start() print(parent_conn.recv()) p.join()

2) 消息队列Queue 通信方式

Multiprocessing 的Queue 类，是在python queue 3.0版本上修改的， 可以很容易实现生产者 – 消息者间传递数据，而且Multiprocessing的Queue 模块实现了lock安全机制。

Queue模块共提供了3种类型的队列。

(1) FIFO queue , 先进先出，

classqueue.Queue(maxsize=0)

(2) LIFO queue, 后进先出， 实际上就是堆栈

classqueue.LifoQueue(maxsize=0)

(3) 带优先级队列， 优先级最低entry value lowest 先了列

classqueue.PriorityQueue(maxsize=0)

Multiprocessing.Queue类的主要方法：

methodDescriptionqueue.qsize()返回队列长度queue.full()队列满，返回 True, 否则返回Falsequeue.empty()队列空，返回 True, 否则返回Falsequeue.put(item)将数据写入队列queue.get()将数据抛出队列 ，queue.put_nowait(item), queue.get_nowait()无等待写入或抛出

说明：

• put(), get() 是阻塞方法， 而put_notwait(), get_nowait()是非阻塞方法。

• Multiprocessing 的Queue类没有提供Task_done, join方法

Queue模块的其它队列类：
(1) SimpleQueue
简洁版的FIFO队列, 适事简单场景使用

(2) JoinableQueue子类
Python 3.5 后新增的 Queue的子类，拥有 task_done(), join() 方法

• task_done()表示，最近读出的1个任务已经完成。

• join()阻塞队列，直到queue中的所有任务都已完成。

producer – consumer 场景，使用Queue的示例

importmultiprocessingdefproducer(numbers,q):forxinnumbers:ifx%2==0:ifq.full():print("queueisfull")breakq.put(x)print(f"put{x}inqueuebyproducer")returnNonedefconsumer(q):whilenotq.empty():print(f"takedata{q.get()}fromqueuebyconsumer")returnNoneif__name__=="__main__":#设置1个queue对象，最大长度为5qu=multiprocessing.Queue(maxsize=5,)#创建producer子进程，把queue做为其中1个参数传给它，该进程负责写p5=multiprocessing.Process(name="producer-1",target=producer,args=([random.randint(1,100)foriinrange(0,10)],qu))p5.start()p5.join()#创建consumer子进程，把queue做为1个参数传给它，该进程中队列中读p6=multiprocessing.Process(name="consumer-1",target=consumer,args=(qu,))p6.start()p6.join()print(qu.qsize())

4、同步机制通信

(1) 进程间同步锁 – Lock

Multiprocessing也提供了与threading 类似的同步锁机制，确保某个时刻只有1个子进程可以访问某个资源或执行某项任务, 以避免同抢。

例如：多个子进程同时访问数据库表时，如果没有同步锁，用户A修改1条数据后，还未提交，此时，用户B也进行了修改，可以预见，用户A提交的将是B个修改的数据。

添加了同步锁，可以确保同时只有1个子进程能够进行写入数据库与提交操作。

如下面的示例，同时只有1个进程可以执行打印操作。

frommultiprocessingimportProcess,Lockdeff(l,i):l.acquire()try:print('helloworld',i)finally:l.release()if__name__=='__main__':lock=Lock()fornuminrange(10):Process(target=f,args=(lock,num)).start()

(2) 子进程间协调机制 – Event

Event 机制的工作原理：

1个event 对象实例管理着1个 flag标记, 可以用set()方法将其置为true, 用clear()方法将其置为false, 使用wait()将阻塞当前子进程，直至flag被置为true.
这样由1个进程通过event flag 就可以控制、协调各子进程运行。

Event object的使用方法：
1）主函数： 创建1个event 对象， flag = multiprocessing.Event() , 做为参数传给各子进程
2) 子进程A: 不受event影响,通过event 控制其它进程的运行
o 先clear()，将event 置为False, 占用运行权.
o 完成工作后，用set()把flag置为True。
3) 子进程B, C: 受event 影响
o 设置 wait() 状态，暂停运行
o 直到flag重新变为True，恢复运行

主要方法：

• set(), clear()设置 True/False,

• wait() 使进程等待，直到flag被改为true.

• is_set()， Return True if and only if the internal flag is true.

验证进程间通信 – Event

importmultiprocessingimporttimeimportrandomdefjoo_a(q,ev):print("subprocessjoo_astart")ifnotev.is_set():ev.wait()q.put(random.randint(1,100))print("subprocessjoo_aended")defjoo_b(q,ev):print("subprocessjoo_bstart")ev.clear()time.sleep(2)q.put(random.randint(200,300))ev.set()print("subprocessjoo_bended")defmain_event():qu=multiprocessing.Queue()ev=multiprocessing.Event()sub_a=multiprocessing.Process(target=joo_a,args=(qu,ev))sub_b=multiprocessing.Process(target=joo_b,args=(qu,ev,))sub_a.start()sub_b.start()#ev.set()sub_a.join()sub_b.join()whilenotqu.empty():print(qu.get())if__name__=="__main__":main_event()

5、共享内存方式通信

(1) 共享变量

子进程之间共存内存变量，要用 multiprocessing.Value(), Array() 来定义变量。 实际上是ctypes 类型，由multiprocessing.sharedctypes模块提供相关功能

注意 使用 share memory 要考虑同抢等问题，释放等问题，需要手工实现。因此在使用共享变量时，建议使用Manager管程来管理这些共享变量。

deffunc(num):num.value=10.78#子进程改变数值的值，主进程跟着改变if__name__=="__main__":num=multiprocessing.Value("d",10.0)#d表示数值,主进程与子进程可共享这个变量。p=multiprocessing.Process(target=func,args=(num,))p.start()p.join()print(num.value)

进程之间共享数据(数组型)：

importmultiprocessingdeffunc(num):num[2]=9999#子进程改变数组，主进程跟着改变if__name__=="__main__":num=multiprocessing.Array("i",[1,2,3,4,5])p=multiprocessing.Process(target=func,args=(num,))p.start()p.join()print(num[:])

(2) 共享内存 Shared_memory

如果进程间需要共享对象数据，或共享内容，数据较大，multiprocessing 提供了SharedMemory类来实现进程间实时通信，不需要通过发消息，读写磁盘文件来实现，速度更快。
注意：直接使用SharedMemory 存在着同抢、泄露隐患，应通过SharedMemory Manager 管程类来使用, 以确保内存安全。

创建共享内存区：

multiprocessing.shared_memory.SharedMemory(name=none,create=False,size=0)

方法：
父进程创建shared_memory 后，子进程可以使用它，当不再需要后，使用close(), 删除使用unlink()方法
相关属性：
获取内存区内容： shm.buf
获取内存区名称： shm.name
获取内存区字节数: shm.size

示例：

>>>frommultiprocessingimportshared_memory>>>shm_a=shared_memory.SharedMemory(create=True,size=10)>>>type(shm_a.buf)<class'memoryview'>>>>buffer=shm_a.buf>>>len(buffer)10>>>buffer[:4]=bytearray([22,33,44,55])#Modifymultipleatonce>>>buffer[4]=100#Modifysinglebyteatatime>>>#Attachtoanexistingsharedmemoryblock>>>shm_b=shared_memory.SharedMemory(shm_a.name)>>>importarray>>>array.array('b',shm_b.buf[:5])#Copythedataintoanewarray.arrayarray('b',[22,33,44,55,100])>>>shm_b.buf[:5]=b'howdy'#Modifyviashm_busingbytes>>>bytes(shm_a.buf[:5])#Accessviashm_ab'howdy'>>>shm_b.close()#CloseeachSharedMemoryinstance>>>shm_a.close()>>>shm_a.unlink()#Callunlinkonlyoncetoreleasethesharedmemory

3） ShareableList 共享列表

sharedMemory类还提供了1个共享列表类型，这样就更方便了，进程间可以直接共享python强大的列表
构建方法：
multiprocessing.shared_memory.ShareableList(sequence=None, *, name=None)

frommultiprocessingimportshared_memory>>>a=shared_memory.ShareableList(['howdy',b'HoWdY',-273.154,100,None,True,42])>>>[type(entry)forentryina][<class'str'>,<class'bytes'>,<class'float'>,<class'int'>,<class'NoneType'>,<class'bool'>,<class'int'>]>>>a[2]-273.154>>>a[2]=-78.5>>>a[2]-78.5>>>a[2]='dryice'#Changingdatatypesissupportedaswell>>>a[2]'dryice'>>>a[2]='largerthanpreviouslyallocatedstoragespace'Traceback(mostrecentcalllast):...ValueError:exceedsavailablestorageforexistingstr>>>a[2]'dryice'>>>len(a)7>>>a.index(42)6>>>a.count(b'howdy')0>>>a.count(b'HoWdY')1>>>a.shm.close()>>>a.shm.unlink()>>>dela#UseofaShareableListaftercalltounlink()isunsupportedb=shared_memory.ShareableList(range(5))#Inafirstprocess>>>c=shared_memory.ShareableList(name=b.shm.name)#Inasecondprocess>>>cShareableList([0,1,2,3,4],name='...')>>>c[-1]=-999>>>b[-1]-999>>>b.shm.close()>>>c.shm.close()>>>c.shm.unlink()

6、共享内存管理器Manager

Multiprocessing 提供了 Manager 内存管理器类，当调用1个Manager实例对象的start()方法时，会创建1个manager进程，其唯一目的就是管理共享内存, 避免出现进程间共享数据不同步，内存泄露等现象。

其原理如下：

Manager管理器相当于提供了1个共享内存的服务，不仅可以被主进程创建的多个子进程使用，还可以被其它进程访问，甚至跨网络访问。本文仅聚焦于由单一主进程创建的各进程之间的通信。

1） Manager的主要数据结构

相关类：multiprocessing.Manager
子类有：

• multiprocessing.managers.SharedMemoryManager

• multiprocessing.managers.BaseManager

支持共享变量类型：

• python基本类型 int, str, list, tuple, list

• 进程通信对象： Queue, Lock, Event,

• Condition, Semaphore, Barrier ctypes类型: Value, Array

2） 使用步骤

1）创建管理器对象

snm=Manager()snm=SharedMemoryManager()

2）创建共享内存变量
新建list, dict

sl=snm.list(),snm.dict()

新建1块bytes共享内存变量，需要指定大小

sx=snm.SharedMemory(size)

新建1个共享列表变量，可用列表来初始化

sl=snm.ShareableList(sequence)如sl=smm.ShareableList([‘howdy',b'HoWdY',-273.154,100,True])

新建1个queue, 使用multiprocessing 的Queue类型

snm=Manager()q=snm.Queue()

示例 ：

frommultiprocessingimportProcess,Managerdeff(d,l):d[1]='1'd['2']=2d[0.25]=Nonel.reverse()if__name__=='__main__':withManager()asmanager:d=manager.dict()l=manager.list(range(10))p=Process(target=f,args=(d,l))p.start()p.join()print(d)print(l)

将打印

{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

3） 销毁共享内存变量

方法一：
调用snm.shutdown()方法，会自动调用每个内存块的unlink()方法释放内存。或者 snm.close()
方法二：
使用with语句，结束后会自动释放所有manager变量

>>>withSharedMemoryManager()assmm:...sl=smm.ShareableList(range(2000))...#Dividetheworkamongtwoprocesses,storingpartialresultsinsl...p1=Process(target=do_work,args=(sl,0,1000))...p2=Process(target=do_work,args=(sl,1000,2000))...p1.start()...p2.start()#Amultiprocessing.Poolmightbemoreefficient...p1.join()...p2.join()#Waitforallworktocompleteinbothprocesses...total_result=sum(sl)#Consolidatethepartialresultsnowinsl

4） 向管理器注册自定义类型

managers的子类BaseManager提供register()方法，支持注册自定义数据类型。如下例，注册1个自定义MathsClass类，并生成实例。

frommultiprocessing.managersimportBaseManagerclassMathsClass:defadd(self,x,y):returnx+ydefmul(self,x,y):returnx*yclassMyManager(BaseManager):passMyManager.register('Maths',MathsClass)if__name__=='__main__':withMyManager()asmanager:maths=manager.Maths()print(maths.add(4,3))#prints7print(maths.mul(7,8))

 </div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">