Pool

在利用Python進行系統管理的時候，特別是同時操作多個文件目錄，或者遠程控制多臺主機，并行操作可以節約大量的時間。當被操作對象數目不大時，可以直接利用multiprocessing中的Process動態成生多個進程，十幾個還好，但如果是上百個，上千個目標，手動的去限制進程數量卻又太過繁瑣，此時可以發揮進程池的功效。
Pool可以提供指定數量的進程，供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，那么就會創建一個新的進程用來執行該請求；但如果池中的進程數已經達到規定最大值，那么該請求就會等待，直到池中有進程結束，才會創建新的進程來它。

?

例7.1：使用進程池（非阻塞）

#coding: utf-8 import multiprocessing import timedef func(msg):print "msg:", msgtime.sleep(3)print "end"if __name__ == "__main__":pool = multiprocessing.Pool(processes = 3)for i in xrange(4):msg = "hello %d" %(i)pool.apply_async(func, (msg, )) #維持執行的進程總數為processes，當一個進程執行完畢后會添加新的進程進去print "Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~"pool.close()pool.join() #調用join之前，先調用close函數，否則會出錯。執行完close后不會有新的進程加入到pool,join函數等待所有子進程結束print "Sub-process(es) done."

一次執行結果

1 2 3 4 5 6 7 8 9 10

mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~ello?0 ? msg: hello?1 msg: hello?2 end msg: hello?3 end end end Sub-process(es) done.

函數解釋：

apply_async(func[, args[, kwds[, callback]]])?
它是非阻塞，
apply(func[, args[, kwds]])是阻塞的
close()? ? 關閉pool，使其不在接受新的任務。
terminate()? ? 結束工作進程，不在處理未完成的任務。
join()? ? 主進程阻塞，等待子進程的退出，?
join方法要在close或terminate之后使用。
執行說明：創建一個進程池pool，并設定進程的數量為3，xrange(4)會相繼產生四個對象[0, 1, 2, 4]，四個對象被提交到pool中，因pool指定進程數為3，所以0、1、2會直接送到進程中執行，當其中一個執行完事后才空出一個進程處理對象3，所以會出現輸出“msg: hello 3”出現在"end"后。因為為非阻塞，主函數會自己執行自個的，不搭理進程的執行，所以運行完for循環后直接輸出“mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~”，主程序在pool.join（）處等待各個進程的結束。



執行說明：創建一個進程池pool，并設定進程的數量為3，xrange(4)會相繼產生四個對象[0, 1, 2, 4]，
四個對象被提交到pool中，因pool指定進程數為3，
所以0、1、2會直接送到進程中執行，當其中一個執行完事后才空出一個進程處理對象3.


所以會出現輸出“msg: hello 3”出現在"end"后。
因為為非阻塞，主函數會自己執行自個的，
不搭理進程的執行，所以運行完for循環后直接輸出“mMsg: hark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~”，(也就是說進程都沒執行完，主進程就開始做自己的事情了)
主程序在pool.join（）處等待各個進程的結束。

?

例7.2：使用進程池（阻塞）

#coding: utf-8 import multiprocessing import timedef func(msg):print "msg:", msgtime.sleep(3)print "end"if __name__ == "__main__":pool = multiprocessing.Pool(processes = 3)for i in xrange(4):msg = "hello %d" %(i)pool.apply(func, (msg, )) #維持執行的進程總數為processes，當一個進程執行完畢后會添加新的進程進去print "Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~"pool.close()pool.join() #調用join之前，先調用close函數，否則會出錯。執行完close后不會有新的進程加入到pool,join函數等待所有子進程結束print "Sub-process(es) done."

一次執行的結果

1 2 3 4 5 6 7 8 9 10

msg: hello?0 end msg: hello?1 end msg: hello?2 end msg: hello?3 end Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~ Sub-process(es) done.

　　

例7.3：使用進程池，并關注結果

import multiprocessing import timedef func(msg):print "msg:", msgtime.sleep(3)print "end"return "done" + msgif __name__ == "__main__":pool = multiprocessing.Pool(processes=4)result = []for i in xrange(3):msg = "hello %d" %(i)result.append(pool.apply_async(func, (msg, )))pool.close()pool.join()for res in result:print ":::", res.get()print "Sub-process(es) done."

一次執行結果

1 2 3 4 5 6 7 8 9 10

msg: hello?0 msg: hello?1 msg: hello?2 end end end ::: donehello?0 ::: donehello?1 ::: donehello?2 Sub-process(es) done.

?

例7.4：使用多個進程池

#coding: utf-8 import multiprocessing import os, time, randomdef Lee():print "\nRun task Lee-%s" %(os.getpid()) #os.getpid()獲取當前的進程的IDstart = time.time()time.sleep(random.random() * 10) #random.random()隨機生成0-1之間的小數end = time.time()print 'Task Lee, runs %0.2f seconds.' %(end - start)def Marlon():print "\nRun task Marlon-%s" %(os.getpid())start = time.time()time.sleep(random.random() * 40)end=time.time()print 'Task Marlon runs %0.2f seconds.' %(end - start)def Allen():print "\nRun task Allen-%s" %(os.getpid())start = time.time()time.sleep(random.random() * 30)end = time.time()print 'Task Allen runs %0.2f seconds.' %(end - start)def Frank():print "\nRun task Frank-%s" %(os.getpid())start = time.time()time.sleep(random.random() * 20)end = time.time()print 'Task Frank runs %0.2f seconds.' %(end - start)if __name__=='__main__':function_list= [Lee, Marlon, Allen, Frank] print "parent process %s" %(os.getpid())pool=multiprocessing.Pool(4)for func in function_list:pool.apply_async(func) #Pool執行函數，apply執行函數,當有一個進程執行完畢后，會添加一個新的進程到pool中print 'Waiting for all subprocesses done...'pool.close()pool.join() #調用join之前，一定要先調用close() 函數，否則會出錯, close()執行后不會有新的進程加入到pool,join函數等待素有子進程結束print 'All subprocesses done.'

一次執行結果

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

parent process?7704 ? Waiting for?all?subprocesses done... Run task Lee-6948 ? Run task Marlon-2896 ? Run task Allen-7304 ? Run task Frank-3052 Task Lee, runs?1.59?seconds. Task Marlon runs?8.48?seconds. Task Frank runs?15.68?seconds. Task Allen runs?18.08?seconds. All subprocesses done. ? ? ? ?python自2.6開始提供了多進程模塊multiprocessing，這里主要是介紹multiprocessing下的Pool的幾個函數 一 apply(func[, args[, kwds]]) apply用于傳遞不定參數，同python中的apply函數一致（不過內置的apply函數從2.3以后就不建議使用了），主進程會阻塞于函數。 for x in gen_list(l): result = pool.apply(pool_test, (x,)) print 'main process' 這個時候主進程的執行流程同單進程一致 二 apply_async(func[, args[, kwds[, callback]]]) 與apply用法一致，但它是非阻塞的且支持結果返回后進行回調。 for x in gen_list(l): result = pool.apply_async(pool_test, (x,)) print 'main process' 這個時候主進程循環運行過程中不等待apply_async的返回結果，在主進程結束后，即使子進程還未返回整個程序也會就退出。雖然 apply_async是非阻塞的，但其返回結果的get方法卻是阻塞的，在本例中result.get()會阻塞主進程。因此可以這樣來處理返回結果： [x.get() for x in [pool.apply_async(pool_test, (x,)) for x in gen_list(l)]] 如果我們對返回結果不感興趣， 那么可以在主進程中使用pool.close與pool.join來防止主進程退出。注意join方法一定要在close或terminate之后調用。 for x in gen_list(l): pool.apply_async(pool_test, (x, )) print 'main_process' pool.close() pool.join() 三 map(func, iterable[, chunksize]) map方法與內置的map函數行為基本一致，在它會使進程阻塞與此直到結果返回。 但需注意的是其第二個參數雖然描述的為iterable, 但在實際使用中發現只有在整個隊列全部就緒后，程序才會運行子進程。 四 map_async(func, iterable[, chunksize[, callback]]) 與map用法一致，但是它是非阻塞的。其有關事項見apply_async。 五 imap(func, iterable[, chunksize]) 與map不同的是， imap的返回結果為iter，需要在主進程中主動使用next來驅動子進程的調用。即使子進程沒有返回結果，主進程對于gen_list(l)的 iter還是會繼續進行， 另外根據python2.6文檔的描述，對于大數據量的iterable而言，將chunksize設置大一些比默認的1要好。 for x in pool.imap(pool_test, gen_list(l)): pass 六 imap_unordered(func, iterable[, chunksize]) 同imap一致，只不過其并不保證返回結果與迭代傳入的順序一致。 七 close() 關閉pool，使其不在接受新的任務。 八 terminate() 結束工作進程，不在處理未處理的任務。 九 join() 主進程阻塞等待子進程的退出， join方法要在close或terminate之后使用。 l = range(10) def gen_list(l): for x in l: print 'yield', x yield x def pool_test(x): print 'f2', x time.sleep(1) ?

總結

以上是生活随笔為你收集整理的进程池Pool的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。