Python中的多进程与多线程（一）

一、背景

　　最近在Azkaban的测试工作中，需要在测试环境下模拟线上的调度场景进行稳定性测试。故而重操python旧业，通过python编写脚本来构造类似线上的调度场景。在脚本编写过程中，碰到这样一个需求：要在测试环境创建10000个作业流。

　　最开始的想法是在一个azkaban project下循环调用10000次create job接口（每个Flow只包含一个job）。由于azkaban它本身没有增加/删除作业流的接口，所有的作业流修改、增加、删除其实都是通过重新上传项目zip包实现的，相应地每次调猛犸前端的create job接口，实际上是在猛犸端对zip包的内容进行了重新的整合后再重新上传zip包到azkaban，整个过程可以拆解成如下过程：解压zip包获得zip包内容，变更zip包内的文件内容，重新打包zip包，上传到azkaban。因此，随着循环次数越往后，zip包包含的内容会越多，接口执行一次的时间就越长。实践发现，第一次调该接口的时间大致不到1秒，到循环1000次的时候接口调用一次的时间就达到了将近3秒。因此，如果指望一个循环10000次来构造该场景，显然要耗费巨大的时间。

　　在此背景下，自然而然地就想到用多进程/多线程的方式来处理该问题。

二、“多任务”的操作系统基础

　　大家都知道，操作系统可以同时运行多个任务。比如你一边听音乐，一边聊IM，一边写博客等。现在的cpu大都是多核的，但即使是过去的单核cpu也是支持多任务并行执行。

　　单核cpu执行多任务的原理：操作系统交替轮流地执行各个任务。先让任务1执行0.01秒，然后切换到任务2执行0.01秒，再切换到任务3执行0.01秒...这样往复地执行下去。由于cpu的执行速度非常快，所以使用者的主观感受就是这些任务在并行地执行。

　　多核cpu执行多任务的原理：由于实际应用中，任务的数量往往远超过cpu的核数，所以操作系统实际上是把这些多任务轮流地调度到每个核心上执行。

　　对于操作系统来说，一个应用就是一个进程。比如打开一个浏览器，它是一个进程；打开一个记事本，它是一个进程。每个进程有它特定的进程号。他们共享系统的内存资源。进程是操作系统分配资源的最小单位。

　　而对于每一个进程而言，比如一个视频播放器，它必须同时播放视频和音频，就至少需要同时运行两个“子任务”，进程内的这些子任务就是通过线程来完成。线程是最小的执行单元。一个进程它可以包含多个线程，这些线程相互独立，同时又共享进程所拥有的资源。

三、Python多进程编程

　　1. multiprocessing

　　multiprocessing是Python提供的一个跨平台的多进程模块，通过它可以很方便地编写多进程程序，在不同的平台（Unix/Linux, Windows）都可以执行。

　　下面就是使用multiprocessing编写多进程程序的代码：　　

#!/usr/bin/python

# -*- coding: utf-8 -*

__author__ = 'zni.feng'

import  sys

reload (sys)

sys.setdefaultencoding('utf-8')

from multiprocessing import Process

import os

import time

#子进程fun

def child_projcess_fun(name):

    print 'Child process %s with processId %s starts.' % (name, os.getpid())

    time.sleep(3)

    print 'Child process %s with processId %s ends.' % (name, os.getpid())

if __name__ == "__main__":

    print 'Parent processId is: %s.' % os.getpid()

    p = Process(target = child_projcess_fun, args=('zni',))

    print 'Process starts'

    p.start() #开始进程

    p.join() #等待子进程结束后再继续往下执行

    print 'Process ends.'

程序的输出：

Parent processId is: 11076.

Process starts

Child process zni with processId 11077 starts.

Child process zni with processId 11077 ends.

Process ends.

[Finished in 3.1s]

　　2. Pool

　　某些情况下，我们希望批量创建多个子进程，或者给定子进程数的上限，避免无限地消耗系统的资源。通过Pool（进程池）的方式，就可以完成这项工作，下面是使用Pool的代码：

 #!/usr/bin/python

 # -*- coding: utf-8 -*

 __author__ = 'zni.feng'

 import  sys

 reload (sys)

 sys.setdefaultencoding('utf-8')

 from multiprocessing import Pool

 import os, time

 def child_process_test(name, sleep_time):

     print 'Child process %s with processId %s starts.' % (name, os.getpid())

     time.sleep(sleep_time)

     print 'Child process %s with processId %s ends.' % (name, os.getpid())

 if __name__ == "__main__":

     print 'Parent processId is: %s.' % os.getpid()

     p = Pool()  #进程池默认大小是cpu的核数

     #p = Pool(10) #生成一个容量为10的进程池，即最大同时执行10个子进程

     for i in range(5):

         p.apply_async(child_process_test, args=('zni_'+str(i), i+1,)) #p.apply_async向进程池提交目标请求

     print 'Child processes are running.'

     p.close()

     p.join() #用来等待进程池中的所有子进程结束再向下执行代码，必须在p.close()或者p.terminate()之后执行

     print 'All Processes end.'

程序的输出：

Parent processId is: 5050.

Child processes are running.

Child process zni_0 with processId 5052 starts.

Child process zni_1 with processId 5053 starts.

Child process zni_2 with processId 5054 starts.

Child process zni_3 with processId 5055 starts.

Child process zni_0 with processId 5052 ends.

Child process zni_4 with processId 5052 starts.

Child process zni_1 with processId 5053 ends.

Child process zni_2 with processId 5054 ends.

Child process zni_3 with processId 5055 ends.

Child process zni_4 with processId 5052 ends.

All Processes end.

[Finished in 6.2s]

close()方法和terminate()方法的区别：

　　close：关闭进程池，使之不能再添加新的进程。已经执行的进程会等待继续执行直到结束。

　　terminate：强制终止线程池，正在执行的进程也会被强制终止。

　　3. 进程间通信

　　Python的multiprocessing模块提供了多种进程间通信的方式，如Queue、Pipe等。

　　3.1 Queue、Lock

　　Queue是multiprocessing提供的一个模块，它的数据结构就是"FIFO——first in first out"的队列，常用的方法有：put(object)入队；get()出队；empty()判断队列是否为空。

　　Lock：当多个子进程对同一个queue执行写操作时，为了避免并发操作产生冲突，可以通过加锁的方式使得某个子进程对queue拥有唯一的写权限，其他子进程必须等待该锁释放后才能再开始执行写操作。

　　下面就是使用Queue进行进程间通信的代码：在父进程里创建两个子进程，分别实现对queue的读和写操作

 #!/usr/bin/python

 # -*- coding: utf-8 -*

 __author__ = 'zni.feng'

 import  sys

 reload (sys)

 sys.setdefaultencoding('utf-8')

 from multiprocessing import Process, Queue, Lock

 import os, time, random

 #写数据进程

 def write(q, lock, name):

     print 'Child Process %s starts' % name

     #获得锁

     lock.acquire()

     for value in ['A' , 'B', 'C']:

         print 'Put %s to queue...' % value

         q.put(value)

         time.sleep(random.random())

     #释放锁

     lock.release()

     print 'Child Process %s ends' % name

 #读数据进程

 def read(q, lock, name):

     print 'Child Process %s starts' % name

     while True: #持续地读取q中的数据

         value =q.get()

         print 'Get %s from queue.' % value

     print 'Child Process %s ends' % name

 if __name__ == "__main__":

     #父进程创建queue，并共享给各个子进程

     q= Queue()

     #创建锁

     lock = Lock()

     #创建第一个“写”子进程

     pw = Process(target = write , args=(q, lock, 'WRITE', ))

     #创建“读”进程

     pr = Process(target = read, args=(q,lock, 'READ',))

     #启动子进程pw,写入：

     pw.start()

     #启动子进程pr，读取：

     pr.start()

     #等待pw结束：

     pw.join()

     #pr是个死循环，通过terminate杀死：

     pr.terminate()

     print 'Test finish.'

　　程序的输出结果为：

Child Process WRITE starts

Put A to queue...

Child Process READ starts

Get A from queue.

Put B to queue...

Get B from queue.

Put C to queue...

Get C from queue.

Child Process WRITE ends

Test finish.

[Finished in 2.0s]

　　3.2 Pipe

　　Pipe是另一种进程间通信的方式，俗称“管道”。它由两端组成，一端往管道里写入数据，另一端从管道里读取数据。
　　下面就是使用Pipe通信的代码：

 #!/usr/bin/python

 # -*- coding: utf-8 -*

 __author__ = 'zni.feng'

 import  sys

 reload (sys)

 sys.setdefaultencoding('utf-8')

 from multiprocessing import Process, Pipe

 import os, time, random

 #发送数据进程

 def send(child_pipe, name):

     print 'Child Process %s starts' % name

     child_pipe.send('This is Mr.Ni')

     child_pipe.close()

     time.sleep(random.random())

     print 'Child Process %s ends' % name

 #接收数据进程

 def recv(parent_pipe, name):

     print 'Child Process %s starts' % name

     print parent_pipe.recv()

     time.sleep(random.random())

     print 'Child Process %s ends' % name

 if __name__ == "__main__":

     #创建管道

     parent,child = Pipe()

     #创建send进程

     ps = Process(target=send, args=(child, 'SEND'))

     #创建recv进程

     pr = Process(target=recv, args=(parent, 'RECEIVE'))

     #启动send进程

     ps.start()

     #等待send进程结束

     ps.join()

     #启动recv进程

     pr.start()

     #等待recv进程结束

     pr.join()

     print 'Test finish.'

　　程序的输出结果如下：

Child Process SEND starts

Child Process SEND ends

Child Process RECEIVE starts

This is Mr.Ni

Child Process RECEIVE ends

Test finish.

[Finished in 1.8s]

巴特西