在 Python 中执行并行处理
Najwa Riyaz
2023年1月30日
本文介绍了如何在 Python 中并行执行多个进程。
在 Python 中使用处理池及其方法执行多处理
要在 Python 中执行多处理，请执行以下步骤。
- 首先，导入
multiprocessing模块。 - 使用
Pool类来定义 Python 处理池。这个池代表一个工作进程池。以下面的代码片段为例。
Pool(processes=n)
因此，Pool 类将允许同时运行 n 个进程。此类包含启用将任务委派给池的工作进程的方法。
以下是 Pool 类的一些方法。
-
Pool.map()- 使用池的这个阻塞方法阻塞直到结果准备好。此方法将关联的一个可迭代对象分成几个块。然后，它将块作为单独的任务提交给进程池。 -
使用以下
Pool类的非阻塞方法同时提交进程。使用get()方法获取函数的结果。 -
Pool.apply_async() -
Pool.map_async()
要确定你的机器可以为多处理处理的进程数，你应该知道你设备中的处理器数；你可以使用以下代码进行检查。
import multiprocessing as mp
print("Number of processors: ", mp.cpu_count())
输出：
Number of processors: 4
在 Python 中使用 apply_async() 函数执行多处理
这是一个示例，演示了使用 Python 中的处理池进行多处理，同时确定 0-9 数字范围的平方。
注意这里，我们甚至打印了 Process worker 的名字，这是可选的。
from multiprocessing import Pool
from multiprocessing import Process, current_process
import time
from time import sleep
import random
def fnc_square(x):
print(current_process().name)
return x * x
if __name__ == "__main__":
pool = Pool(processes=4)
result = pool.apply_async(fnc_square, [6])
print(result.get(timeout=1))
print(pool.map(fnc_square, range(10)))
输出：
SpawnPoolWorker-1
36
SpawnPoolWorker-2
SpawnPoolWorker-1
SpawnPoolWorker-2
SpawnPoolWorker-1
SpawnPoolWorker-2
SpawnPoolWorker-1
SpawnPoolWorker-2
SpawnPoolWorker-1
SpawnPoolWorker-2
SpawnPoolWorker-1
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
在 Python 中使用 map() 和 map_sync() 函数执行多处理
map_async 函数是非阻塞的，而 map 函数是阻塞的。下面的示例演示了这两个命令之间的区别。
from multiprocessing import Pool
import time
def f(x):
print(x * x)
if __name__ == "__main__":
pool = Pool(processes=1)
pool.map(f, range(10))
r = pool.map_async(f, range(10))
print("First print")
print("Second print")
r.wait()
print("Third print")
在这里，我们可以观察到 pool.map() 函数将等待 10 次操作调用完成。因此，我们看到按顺序打印的结果。
此外，pool.map_async() 将异步执行 10 个函数调用。当 r.wait() 函数被调用时，它会阻止处理器执行。因此，在输出中，我们看到打印消息为 First print 和 Second print，但 Third print 总是在最后。
输出：
0
1
4
9
16
25
36
49
64
81
First print
Second print
0
1
4
9
16
25
36
49
64
81
Third print