Python语法学习之进程的创建与常用方法详解

更新时间：2022年04月08日 08:29:05 作者：渴望力量的哈士奇

本文我们将学习一下在 Python 中去创建并使用多进程的方法，可以通过创建多个进程来帮助我们提高脚本执行的效率，感兴趣的可以了解一下

该章节我们来学习一下在 Python 中去创建并使用多进程的方法，通过学习该章节，我们将可以通过创建多个进程来帮助我们提高脚本执行的效率。可以认为缩短脚本执行的时间，就是提高执行我们脚本的效率。接下来让我们都看一下今天的章节知识点都有哪些？

进程的创建模块 - multiprocessing

创建进程函数 - Process

函数名	介绍	参数	返回值
Process	创建一个进程	target, args	进程对象

Process功能介绍：实例化一个对象；它需要传入两个参数 target 与 args：target 是一个函数，args 是对应一个函数的参数(args参数是一个元组)。其实我们可以这样去理解，在一个脚本中创建子进程，目的是为了让它执行我们脚本中的某个函数。换句话讲，我们将脚本中的某一个函数单独的启用一个进程去执行。

我们说过进程之间互不干扰，可以同时执行。所以我们可以认为主进程中的程序和子进程的函数是相互不干扰的，听起来可能很难理解，一会儿下文我们进行一个案例的小练习，一遍帮助大家去更好的理解其中的含义。

进程的常用方法

函数名	介绍	参数	返回值
start	执行进程	无	无
join	阻塞进程	无	无
kill	杀死进程	无	无
is_alive	判断进程是否存活	无	bool

start 函数：通过调用它，可以直接启动我们创建的进程。它会马上执行我们进程中传入的函数，start 函数没有任何参数，也没有返回值。
join 函数：我们说过，主进程和子进程的程序会同时运行，互不影响。这样就会有一个问题，有可能是子进程先执行完它的业务，也有可能是主进程先执行完它的业务逻辑。如果有的时候我们必须要先执行完子进程的业务再执行主进程的业务。则通过调用 join 函数，在这一函数下面执行的主进程业务要等待子进程完成之后才会继续执行。我们将 join 这样的函数叫做等待/阻塞函数。join 函数没有任何参数，也没有返回值。
kill 函数：如果我们在执行子进程的过程中发现不需要这个子进程继续运行了，就可以使用 kill 函数杀死当前的这个子进程，杀死的这个子进程不会在执行子进程中函数的业务逻辑。kill 函数没有任何参数，也没有返回值。
is_alive 函数：通过调用这个函数可以判断当前的进程是否是存活状态，它返回一个 bool 值。True 表示当前进程还在，程序还在继续执行；如果是 False 则代表当前进程已经结束了

start 函数

演示案例：

我们先定义两个简单的函数，每个函数定义两个简单的 for 循环。
每执行一次循环，休眠一秒的时间。
在两次循环的开始定义一个实例化时间对象，用以计算两次循环的时间间隔。
同时，获取脚本执行的进程号; 看看是一个怎样的结果。

# coding:utf-8


import time
import os


def work_for_first():

    for i in range(5):
        print('\'work_for_first\' 函数的循环值：%s', '进程号为：%s' % i, os.getpid())	# os.getpid() 为获取进程号函数
        time.sleep(1)


def work_for_second():
    for i in range(5):
        print('\'work_for_second\' 函数的循环值：%s',  '进程号为：%s' % i, os.getpid())
        time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()    # 获取执行 循环 之前的时间戳
    work_for_first()
    work_for_second()
    end_time = time.time() - start_time     # 获取执行 循环 结束的时间戳
    print('耗时时间为：{}, 进程号为：{}'.format(end_time, os.getpid()))  # 获取耗时与进程号

执行结果如下图：

OKK！接下来进入我们今天要学习的主题。

将 work_for_first() 函数创建一个新的子进程去执行。

# coding:utf-8


import time
import os
import multiprocessing


def work_for_first():

    for i in range(5):
        print('\'work_for_first\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


def work_for_second():
    for i in range(5):
        print('\'work_for_second\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()    # 获取执行 循环 之前的时间戳
    work_for_first_process = multiprocessing.Process(target=work_for_first)     # 因为我们传入的函数没有参数所以 args 可以不写
    work_for_first_process.start()
    work_for_second()
    end_time = time.time() - start_time     # 获取执行 循环 结束的时间戳
    print('耗时时间为：{}, 进程号为：{}'.format(end_time, os.getpid()))  # 获取耗时与进程号

执行结果如下图：

因为我们针对 work_for_first() 函数创建一个新的子进程去执行，所以我们的耗时变为了 5秒。那么如果我们将 work_for_second() 函数也创建一个新的子进程去执行，耗时又会是多少呢？我们接着往下看。

# coding:utf-8


import time
import os
import multiprocessing


def work_for_first():

    for i in range(5):
        print('\'work_for_first\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


def work_for_second():
    for i in range(5):
        print('\'work_for_second\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()    # 获取执行 循环 之前的时间戳
    work_for_first_process = multiprocessing.Process(target=work_for_first)     # 因为我们传入的函数没有参数所以 args 可以不写
    work_for_first_process.start()

    work_for_second_process = multiprocessing.Process(target=work_for_second)
    work_for_second_process.start()
    end_time = time.time() - start_time     # 获取执行 循环 结束的时间戳
    print('耗时时间为：{}, 进程号为：{}'.format(end_time, os.getpid()))  # 获取耗时与进程号

执行结果如下图：

PS：从脚本中执行入口的 main 函数可以看出 work_for_first() 函数与 work_for_second() 函数分别都由各自的子进程来执行，主进程实际执行的只有 23行、29行、30行代码，所以从耗时来看，主进程实际上只执行了 0.026 秒。

这里再思考一个问题，如果是每一个子进程都单独的通过 .start 去启动，那么在子进程很多的情况下，启动的确实会有一些慢了。这个时候我们就可以通过 for 循环的方式去启动子进程。方式如下：

    for sun_process in (work_for_first_process, work_for_second_process):
        sun_process.start()

join 函数

同样的也会存在着这样一种情况，我们希望子进程运行结束之后再去执行我们的主进程，这时候我们就会使用到 join 函数。

这里我们就利用上文的进程 for循环同时启动两个子进程，然后我们再在下一个 for循环执行 join 函数，我们看看会发生什么。

# coding:utf-8


import time
import os
import multiprocessing


def work_for_first():

    for i in range(5):
        print('\'work_for_first\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


def work_for_second():
    for i in range(5):
        print('\'work_for_second\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()    # 获取执行 循环 之前的时间戳
    work_for_first_process = multiprocessing.Process(target=work_for_first)     # 因为我们传入的函数没有参数所以 args 可以不写
    # work_for_first_process.start()

    work_for_second_process = multiprocessing.Process(target=work_for_second)
    # work_for_second_process.start()

    for sun_process in (work_for_first_process, work_for_second_process):
        sun_process.start()

    for sun_process in (work_for_first_process, work_for_second_process):
        sun_process.join()

    end_time = time.time() - start_time     # 获取执行 循环 结束的时间戳
    print('耗时时间为：{}, 进程号为：{}'.format(end_time, os.getpid()))  # 获取耗时与进程号

执行结果如下图：

kill 函数与 is_alive 函数

接下来我们再尝试一个场景，利用 for 循环，我们同时启动 work_for_first() 函数与 work_for_second() 函数的子进程。然后我们再在另一个 for 循环中，将 work_for_second() 函数的子进程 kill 掉，然后判断两个子进程的存活状态。

示例脚本如下：

# coding:utf-8


import time
import os
import multiprocessing


def work_for_first():

    for i in range(5):
        print('\'work_for_first\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


def work_for_second():
    for i in range(5):
        print('\'work_for_second\' 函数的循环值：{}，进程号为：{}'.format(i, os.getpid()))
        time.sleep(1)


if __name__ == '__main__':
    start_time = time.time()    # 获取执行 循环 之前的时间戳
    work_for_first_process = multiprocessing.Process(target=work_for_first)     # 因为我们传入的函数没有参数所以 args 可以不写
    # work_for_first_process.start()

    work_for_second_process = multiprocessing.Process(target=work_for_second)
    # work_for_second_process.start()

    for sun_process in (work_for_first_process, work_for_second_process):
        sun_process.start()
        time.sleep(1)   # 休眠一秒是为了 work_for_second_process 子进程 至少能够运行一次


    for sun_process in (work_for_first_process, work_for_second_process):
        work_for_second_process.kill()
        if work_for_first_process.is_alive():
            print('\'work_for_first_process\' 子进程当前存活状态为：True')
        elif not work_for_second_process.is_alive():
            print('\'work_for_second_process\' 子进程当前存活状态为：False')

        sun_process.join()

    end_time = time.time() - start_time     # 获取执行 循环 结束的时间戳
    print('耗时时间为：{}, 进程号为：{}'.format(end_time, os.getpid()))  # 获取耗时与进程号

运行结果如下：

进程的相关问题

通过学习多进程的创建、启动，我们可以充分的体会到进程给我们带来的好处。它可以使我们的脚本程序执行时间进行缩短，从而提高工作效率。

然而多进程也有一些问题：

通过进程模块执行的函数无法获取返回值，即便这个函数拥有 return 关键字也无法获取到，这也是我们进程的弊端。
多个进程同时修改文件可能会出现错误。
进程数量太多可能会造成资源不足、甚至死机等情况。

关于进程的这些问题，其实也并不是不能解决。在后续更新的进程间的通信、进程池与进程锁的章节我们再进行详细的介绍。

到此这篇关于Python语法学习之进程的创建与常用方法详解的文章就介绍到这了,更多相关Python 进程创建内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

python必备库Matplotlib画图神器
这篇文章主要介绍了python必备库Matplotlib画图神器，Matplotlib 是 Python 中最受欢迎的数据可视化软件包之一，支持跨平台运行，它是 Python 常用的 2D 绘图库，同时它也提供了一部分 3D 绘图接口，更多详细内容，需要的小伙伴可以参考一下下面文章具体内容
2022-03-03
Python matplotlib如何删除subplots中多余的空白子图
这篇文章主要介绍了Python matplotlib如何删除subplots中多余的空白子图问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2024-05-05
python属于解释型语言么
在本篇文章里小编给大家整理了关于python是否属于解释型语言的相关知识点内容，需要的朋友们可以学习下。
2020-06-06
Python安装第三方库的方法(pip/conda、easy_install、setup.py)
这篇文章主要介绍了Python安装第三方库(pip/conda、easy_install、setup.py)的相关知识，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2023-05-05
Python实现冒泡排序算法的完整实例
这篇文章主要给大家介绍了关于Python实现冒泡排序算法的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-11-11
python使用多线程备份数据库的步骤
在日常服务器运维工作中，备份数据库是必不可少的，刚工作那会看到公司都是用shell脚本循环备份数据库，到现在自己学习python语言后，利用多进程多线程相关技术来实现并行备份数据库，充分利用服务器资源，提高备份速度。
2021-05-05
Python中cv2.Canny() 函数使用方法
cv2.Canny() 函数是 OpenCV 中的边缘检测函数之一，用于检测图像的边缘，它的基本原理是通过计算图像中每个像素点的梯度值来检测边缘，本文通过示例代码介绍Python中cv2.Canny() 函数用法，需要的朋友参考下吧
2023-07-07
Python实现的拉格朗日插值法示例
这篇文章主要介绍了Python实现的拉格朗日插值法,简单介绍了拉格朗日插值法的原理并结合完整实例形式给出了拉格朗日插值法的具体实现与使用技巧,需要的朋友可以参考下
2019-01-01
Python的Flask项目中获取请求用户IP地址 addr问题
这篇文章主要介绍了Python的Flask项目中获取请求用户IP地址 addr问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-01-01
python列表的特点分析
在本篇文章里小编个大家整理的是一篇关于python列表的特点分析内容总结，有需要的朋友们可以学习下。
2021-08-08