简单谈谈python中的Queue与多进程

最近接触一个项目，要在多个虚拟机中运行任务，参考别人之前项目的代码，采用了多进程来处理，于是上网查了查python中的多进程

一、先说说Queue（队列对象）

Queue是python中的标准库，可以直接import 引用，之前学习的时候有听过著名的"先吃先拉"与"后吃先吐"，其实就是这里说的队列，队列的构造的时候可以定义它的容量，别吃撑了，吃多了，就会报错,构造的时候不写或者写个小于1的数则表示无限多

import Queue

q = Queue.Queue(10)

向队列中放值(put)

q.put('yang')

q.put(4)

q.put(['yan','xing'])

在队列中取值get()

默认的队列是先进先出的

q.get()
'yang'
q.get()
4
q.get()
['yan', 'xing']

当一个队列为空的时候如果再用get取则会堵塞，所以取队列的时候一般是用到

get_nowait()方法，这种方法在向一个空队列取值的时候会抛一个Empty异常

所以更常用的方法是先判断一个队列是否为空，如果不为空则取值

队列中常用的方法

Queue.qsize() 返回队列的大小
Queue.empty() 如果队列为空，返回True,反之False
Queue.full() 如果队列满了，返回True,反之False
Queue.get([block[, timeout]]) 获取队列，timeout等待时间
Queue.get_nowait() 相当Queue.get(False)
非阻塞 Queue.put(item) 写入队列，timeout等待时间
Queue.put_nowait(item) 相当Queue.put(item, False)

二、multiprocessing中使用子进程概念

from multiprocessing import Process

可以通过Process来构造一个子进程

p = Process(target=fun,args=(args))

再通过p.start()来启动子进程

再通过p.join()方法来使得子进程运行结束后再执行父进程

    from multiprocessing import Process
    import os

    # 子进程要执行的代码
    def run_proc(name):
     print 'Run child process %s (%s)...' % (name, os.getpid())

    if __name__=='__main__':
     print 'Parent process %s.' % os.getpid()
     p = Process(target=run_proc, args=('test',))
     print 'Process will start.'
     p.start()
     p.join()
     print 'Process end.'

三、在multiprocessing中使用pool

如果需要多个子进程时可以考虑使用进程池(pool)来管理

from multiprocessing import Pool

    from multiprocessing import Pool
    import os, time

    def long_time_task(name):
     print 'Run task %s (%s)...' % (name, os.getpid())
     start = time.time()
     time.sleep(3)
     end = time.time()
     print 'Task %s runs %0.2f seconds.' % (name, (end - start))

    if __name__=='__main__':
     print 'Parent process %s.' % os.getpid()
     p = Pool()
     for i in range(5):
      p.apply_async(long_time_task, args=(i,))
     print 'Waiting for all subprocesses done...'
     p.close()
     p.join()
     print 'All subprocesses done.'

pool创建子进程的方法与Process不同，是通过

p.apply_async(func,args=(args))实现，一个池子里能同时运行的任务是取决你电脑的cpu数量，如我的电脑现在是有4个cpu，那会子进程task0,task1,task2,task3可以同时启动，task4则在之前的一个某个进程结束后才开始

上面的程序运行后的结果其实是按照上图中1，2，3分开进行的，先打印1，3秒后打印2，再3秒后打印3

代码中的p.close()是关掉进程池子，是不再向里面添加进程了，对Pool对象调用join()方法会等待所有子进程执行完毕，调用join()之前必须先调用close()，调用close()之后就不能继续添加新的Process了。

当时也可以是实例pool的时候给它定义一个进程的多少

如果上面的代码中p=Pool(5)那么所有的子进程就可以同时进行

三、多个子进程间的通信

多个子进程间的通信就要采用第一步中说到的Queue，比如有以下的需求，一个子进程向队列中写数据，另外一个进程从队列中取数据，

    #coding:gbk

    from multiprocessing import Process, Queue
    import os, time, random

    # 写数据进程执行的代码:
    def write(q):
     for value in ['A', 'B', 'C']:
      print 'Put %s to queue...' % value
      q.put(value)
      time.sleep(random.random())

    # 读数据进程执行的代码:
    def read(q):
     while True:
      if not q.empty():
       value = q.get(True)
       print 'Get %s from queue.' % value
       time.sleep(random.random())
      else:
       break

    if __name__=='__main__':
     # 父进程创建Queue，并传给各个子进程：
     q = Queue()
     pw = Process(target=write, args=(q,))
     pr = Process(target=read, args=(q,))
     # 启动子进程pw，写入:
     pw.start() 
     # 等待pw结束:
     pw.join()
     # 启动子进程pr，读取:
     pr.start()
     pr.join()
     # pr进程里是死循环，无法等待其结束，只能强行终止:
     print
     print '所有数据都写入并且读完'

四、关于上面代码的几个有趣的问题

    if __name__=='__main__': 
     # 父进程创建Queue，并传给各个子进程：
     q = Queue()
     p = Pool()
     pw = p.apply_async(write,args=(q,)) 
     pr = p.apply_async(read,args=(q,))
     p.close()
     p.join()

     print
     print '所有数据都写入并且读完'

如果main函数写成上面的样本，本来我想要的是将会得到一个队列，将其作为参数传入进程池子里的每个子进程，但是却得到

RuntimeError: Queue objects should only be shared between processes through inheritance

的错误，查了下，大意是队列对象不能在父进程与子进程间通信，这个如果想要使用进程池中使用队列则要使用multiprocess的Manager类

    if __name__=='__main__':
     manager = multiprocessing.Manager()
     # 父进程创建Queue，并传给各个子进程：
     q = manager.Queue()
     p = Pool()
     pw = p.apply_async(write,args=(q,))
     time.sleep(0.5)
     pr = p.apply_async(read,args=(q,))
     p.close()
     p.join()

     print
     print '所有数据都写入并且读完'

这样这个队列对象就可以在父进程与子进程间通信，不用池则不需要Manager，以后再扩展multiprocess中的Manager类吧

关于锁的应用，在不同程序间如果有同时对同一个队列操作的时候，为了避免错误，可以在某个函数操作队列的时候给它加把锁，这样在同一个时间内则只能有一个子进程对队列进行操作，锁也要在manager对象中的锁

    #coding:gbk

    from multiprocessing import Process,Queue,Pool
    import multiprocessing
    import os, time, random

    # 写数据进程执行的代码:
    def write(q,lock):
     lock.acquire() #加上锁
     for value in ['A', 'B', 'C']:
      print 'Put %s to queue...' % value  
      q.put(value)  
     lock.release() #释放锁 

    # 读数据进程执行的代码:
    def read(q):
     while True:
      if not q.empty():
       value = q.get(False)
       print 'Get %s from queue.' % value
       time.sleep(random.random())
      else:
       break

    if __name__=='__main__':
     manager = multiprocessing.Manager()
     # 父进程创建Queue，并传给各个子进程：
     q = manager.Queue()
     lock = manager.Lock() #初始化一把锁
     p = Pool()
     pw = p.apply_async(write,args=(q,lock)) 
     pr = p.apply_async(read,args=(q,))
     p.close()
     p.join()

     print
     print '所有数据都写入并且读完'