进程是操作系统进行资源分配和调度的一个基本单位。
一、进程及多任务介绍
- 程序：程序是一个静态的概念。在一台电脑上，我们安装了很多程序，这些程序是可以运行的。比如我们编写一个xxx.py程序，它是静态的，静静的保存在电脑的硬盘中，等待执行。
- 进程：进程是操作系统分配资源的基本单位，一个程序运行起来后，代码加用到的系统资源称之为进程。比如我们在终端通过 python xxx.py将xxx.py程序运行起来，这时候就开启了一个进程。
- 多任务：多任务是指操作系统可以同时运行多个任务。在使用一台电脑时，我们需要同时做很多的事情，如打开PyCharm写代码，打开浏览器查API，打开词典查单词，这时候我们同时打开了多个程序，每个程序都在运行。对于操作系统来说，每个正在运行的程序都是一个任务，很多任务同时运行就是多任务。
在Python中，可以通过multiprocessing模块开启多个进程来帮我们同时执行多任务。
例如，xxx.py运行起来后，至少会开启一个进程，这个进程叫主进程，如果我们要同时执行多任务，我们可以开启多个进程来执行多任务，这些进程叫子进程。
既有主进程，又有子进程，这时候就是多进程。每个进程中可以执行一个或多个任务，这样就实现了多任务。
补充：
并发：指的是任务数多于CPU核数，通过操作系统的各种任务调度算法，实现多个任务“一起”执行（实际上，同一时间只有一个任务在执行，操作系统是通过时间片轮询的方式，轮流让各个任务交替执行。
例如：任务1执行0.0001秒，切换到任务2，任务2执行0.0001秒，再切换到任务3，执行0.0001秒，又切换回任务1……这样循环下去。因为切换任务的速度相当快，我们感觉就像所有任务都在同时执行一样。）
并行：当任务数小于或者等于CPU核数时，每一个任务都有对应的CPU来处理执行，即任务真的是一起执行的（实际上，我们的电脑上运行的任务数量非常多，除了我们开启的任务，还有很多任务在后台运行着，而CPU数量是有限的，基本上不可能一个任务占一核CPU。由于任务数量远远多于CPU的核心数量，所以，操作系统会自动把很多任务轮流调度到每个核心上执行。）
二、使用multiprocessing实现多进程
from multiprocessing import Process
import time
def coding(language):
"""子进程要执行的代码"""
for i in range(5):
print("{} coding".format(language), end=' | ')
time.sleep(1)
if __name__ == '__main__':
# 单进程
start = time.time()
coding('python')
for i in range(5):
print("main program", end=' | ')
time.sleep(1)
end = time.time()
print('nOne process cost time:', end - start)
# 多进程
multi_start = time.time()
p = Process(target=coding, args=('python', ))
p.start()
for i in range(5):
print("main program", end=' | ')
time.sleep(1)
multi_end = time.time()
print('nMulti process cost time:', multi_end - multi_start)
运行结果：
python coding | python coding | python coding | python coding | python coding | main program | main program | main program | main program | main program |
One process cost time: 10.004231691360474
main program | python coding | main program | python coding | main program | python coding | main program | python coding | main program | python coding |
Multi process cost time: 5.082065582275391
multiprocessing模块是跨平台和版本的多进程模块，提供了一个Process类来创建进程对象。创建子进程时，只需要传入一个需要执行的函数和函数的参数，创建一个Process实例，用start()方法启动这个实例。
在上面的代码中，定义了一个coding函数，实现多进程时，实例化了一个Process类的对象p，p就是一个进程对象，将需要执行的函数传给target参数，将coding函数需要的参数以元组的形式传给args参数（必须是一个元组），再用p对象的start()方法开启了一个子进程。
coding函数是一个需要执行的任务，在主进程中需要执行的代码是另一个任务，这时候有两个任务。两个任务都在主进程中执行时，花了10秒多的时间，创建一个子进程来执行coding函数时，花了5秒多的时间。创建子进程之后，主进程和子进程同时处理任务，这说明我们实现了多进程处理多任务，即多个任务是“同时”执行的。
三、Process语法结构和常用方法
Process([group [, target [, name [, args [, kwargs]]]]])
- 1.target：传递一个函数的引用，可以认为这个子进程就是执行这个函数的代码，这里传的是函数的引用，后面不能有小括号
- 2.args：给target指定的函数传递的参数，以元组的方式传递，这里必须是一个元组，如果不是元组会报TypeError，只有一个参数时要注意别出错
- 3.kwargs：给target指定的函数传递关键字参数，以字典的方式传递，这里必须是一个字典
- 4.name：给进程设定一个名字，可以不设定
- 5.group：指定进程组，大多数情况下用不到
Process的常用方法：
- 1.start()：启动子进程实例（创建子进程）
- 2.is_alive()：判断子进程是否还在活着
- 3.join([timeout])：是否等待子进程执行结束，或等待多少秒
- 4.terminate()：不管任务是否完成，立即终止子进程
Process的常用属性：
- 1.name：当前进程的别名，默认为Process-N，N为从1开始递增的整数
- 2.pid：当前进程的pid（进程号）
获取当前进程的id和当前进程的父进程的id,需要使用os模块：
- 1.os.getpid()：获取当前进程的id
- 2.os.getppid() ：获取当前进程的父进程的id
四、进程间不共享全局变量
from multiprocessing import Process
import time
str_list = ['ppp', 'yyy']
def add_str1():
"""子进程1"""
print('In process one: ', str_list)
for x in 'thon':
str_list.append(x * 3)
time.sleep(1)
print('In process one: ', str_list)
def add_str2():
"""子进程1"""
print('In process two: ', str_list)
for x in 'thon':
str_list.append(x)
time.sleep(1)
print('In process two: ', str_list)
if __name__ == '__main__':
p1 = Process(target=add_str1)
p1.start()
p2 = Process(target=add_str2)
p2.start()
运行结果：
In process one: [‘ppp’, ‘yyy’]
In process two: [‘ppp’, ‘yyy’]
In process one: [‘ppp’, ‘yyy’, ‘ttt’]
In process two: [‘ppp’, ‘yyy’, ‘t’]
In process one: [‘ppp’, ‘yyy’, ‘ttt’, ‘hhh’]
In process two: [‘ppp’, ‘yyy’, ‘t’, ‘h’]
In process one: [‘ppp’, ‘yyy’, ‘ttt’, ‘hhh’, ‘ooo’]
In process two: [‘ppp’, ‘yyy’, ‘t’, ‘h’, ‘o’]
In process one: [‘ppp’, ‘yyy’, ‘ttt’, ‘hhh’, ‘ooo’, ‘nnn’]
In process two: [‘ppp’, ‘yyy’, ‘t’, ‘h’, ‘o’, ‘n’]
在上面的代码中，str_list是一个全局变量，进程p1和p2同时在使用str_list，都在往列表中添加元素，但是两个进程对列表的添加互不相关。
进程p1与进程p2不共享全局变量。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
