python多進(jìn)程和多線程是大家會(huì)重點(diǎn)了解的部分，因?yàn)楹芏喙ぷ魅绻]有前后相互依賴關(guān)系的話其實(shí)順序并不是非常的重要，采用順序執(zhí)行的話就必定會(huì)造成無謂的等待，任憑cpu和內(nèi)存白白浪費(fèi)，這是我們不想看到的。

為了解決這個(gè)問題，我們就可以采用多線程或者多進(jìn)程的方式，（多線程我們之后再講），而這兩者之間是有本質(zhì)區(qū)別的。就內(nèi)存而言，已知進(jìn)程是在執(zhí)行過程中有獨(dú)立的內(nèi)存單元的，而多個(gè)線程是共享內(nèi)存的，這是多進(jìn)程和多線程的一大區(qū)別。

利用Value在不同進(jìn)程中同步變量

在多進(jìn)程中，由于進(jìn)程之間內(nèi)存相互是隔離的，所以無法在多個(gè)進(jìn)程中用直接讀取的方式共享變量，這時(shí)候就可以用multiprocessing庫中的 Value在各自隔離的進(jìn)程中共享變量。

下面是一個(gè)多進(jìn)程的例子：

假設(shè)有一個(gè)counter用來記錄程序經(jīng)過的總循環(huán)次數(shù)，每調(diào)用一次count函數(shù)之后counter就會(huì)增加20，在主程序中用循環(huán)開10個(gè)進(jìn)程分別調(diào)用count函數(shù)，那么理想狀態(tài)下，在十個(gè)進(jìn)程中共享的counter值到程序結(jié)束后應(yīng)該是200。

from multiprocessing import Process, Value
import time

def count(v):
  for i in range(20):
    time.sleep(0.01)
    v.value += 1

def main():
  value = Value('i',0)
  processes = [Process(target=count, args=(value,)) for i in range(10)]

  for p in processes:
    p.start()
  for p in processes:
    p.join()

  print(value.value)

if __name__ == '__main__':

  for i in range(10):
    main()

運(yùn)行這個(gè)例子，會(huì)得到怎樣的結(jié)果呢？

188
180
168
186
183
179
186
181
166
186

我在主程序里運(yùn)行了十次這個(gè)程序，而最后的結(jié)果是160-180之間，總之，沒有一次到200。這是什么原因呢？

相信很多人都已經(jīng)明白了問題所在，那就是因?yàn)樵趍ultiprocessing庫中的Value是細(xì)粒度的，Value中有一個(gè)ctypes類型的對(duì)象，擁有一個(gè)value屬性來表征內(nèi)存中實(shí)際的對(duì)象。Value可以保證同時(shí)只有一個(gè)單獨(dú)的線程或進(jìn)程在讀或者寫value值。這么看起來沒有什么問題。

然而在第一個(gè)進(jìn)程加載value值的時(shí)候，程序卻不能阻止第二個(gè)進(jìn)程加載舊的值。兩個(gè)進(jìn)程都會(huì)把value拷貝到自己的私有內(nèi)存然后進(jìn)行處理，并寫回到共享值里。

那么這么會(huì)出現(xiàn)什么問題呢？

最后的共享值只接收到了一次值的增加，而非兩次。

利用Lock在不同進(jìn)程共享變量時(shí)加鎖

上面的問題其實(shí)可以用一個(gè)非常簡單的方法解決，我們只需要調(diào)用multiprocessing庫中的Lock （鎖）就可以保證一次只能有一個(gè)進(jìn)程訪問這個(gè)共享變量。修改后的代碼如下：

from multiprocessing import Process, Value, Lock
from time import sleep

def count(x,lock):
  for i in range(20):
    sleep(0.01)
    with lock:
      x.value += 1


def main():
  counter = Value('i',0)
  lock = Lock()
  processes = [Process(target=count,args=(counter,lock)) for i in range(10)]
  for p in processes:
    p.start()
  for p in processes:
    p.join()

  print(counter.value)

if __name__ == '__main__':
  for i in range(10):
    main()

這樣一來，輸出的結(jié)果就會(huì)恒定為200了。

一些補(bǔ)充

1. 調(diào)用get_lock() 函數(shù)

其實(shí)Value這個(gè)包里已經(jīng)包含了鎖的概念，如果調(diào)用get_lock() 函數(shù)就可以自動(dòng)給共享變量加鎖。這樣其實(shí)是比較推薦的方式，因?yàn)檫@樣就不需要同時(shí)調(diào)用兩個(gè)包。修改如下：

from multiprocessing import Process, Value
from time import sleep

def count(x):
  for i in range(20):
    global counter # 聲明全局變量
    sleep(0.01)
    with counter.get_lock(): # 直接調(diào)用get_lock()函數(shù)獲取鎖
      x.value += 1

def main():
  processes = [Process(target=count, args=(counter,)) for i in range(10)]
  for p in processes:
    p.start()
  for p in processes:
    p.join()

  print(counter.value)

if __name__ == '__main__':
  counter = Value('i', 0) # 需要把全局變量移到主程序
  main()

上面的程序更加明確，且最終結(jié)果也是200。

2. 使用 multiprocessing.RawValue

整個(gè)multiprocessing包里剛剛調(diào)用的Value和Lock還可以統(tǒng)一被 multiprocessing.RawValue取代。

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論