Python多进程并发操作中进程池Pool的应用

      在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，10几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，这时候进程池Pool发挥作用的时候就到了。
      Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。这里有一个简单的例子：

#!/usr/bin/env python#coding=utf-8"""Author: SquallLast modified: 2011-10-18 16:50Filename: pool.pyDescription: a simple sample for pool class""" from multiprocessing import Poolfrom time import sleepdef f(x):    for i in range(10):        print '%s --- %s ' % (i, x)        sleep(1)def main():    pool = Pool(processes=3)    # set the processes max number 3    for i in range(11,20):        result = pool.apply_async(f, (i,))    pool.close()    pool.join()    if result.successful():        print 'successful'if __name__ == "__main__":    main()

 

 

       先创建容量为3的进程池，然后将f(i)依次传递给它，运行脚本后利用ps aux | grep pool.py查看进程情况，会发现最多只会有三个进程执行。pool.apply_async()用来向进程池提交目标请求，pool.join()是用来等待进程池中的worker进程执行完毕，防止主进程在worker进程结束前结束。但必pool.join()必须使用在pool.close()或者pool.terminate()之后。其中close()跟terminate()的区别在于close()会等待池中的worker进程执行结束再关闭pool,而terminate()则是直接关闭。result.successful()表示整个调用执行的状态，如果还有worker没有执行完，则会抛出AssertionError异常。
    利用multiprocessing下的Pool可以很方便的同时自动处理几百或者上千个并行操作，脚本的复杂性也大大降低。

 

 

 

multiprocessing.Pool([processes[, initializer[, initargs[, maxtasksperchild]]]]) 

 

processes表示pool中进程的数目，默认地为当前CPU的核数。

initializer表示新进程的初始化函数。

initargs表示新进程的初始化函数的参数。

maxtasksperchild表示每个进程执行task的最大数目（该参数解释见python 进程池1 - Pool使用简介）。

 

Pool相关函数

1、apply(func[, args[, kwds]]) 
apply用于传递不定参数，同python中的apply函数一致（不过内置的apply函数从2.3以后就不建议使用了），主进程会阻塞于函数。

主进程的执行流程同单进程一致。

 

2、apply_async(func[, args[, kwds[, callback]]]) 
与apply用法一致，但它是非阻塞的且支持结果返回后进行回调。

主进程循环运行过程中不等待apply_async的返回结果，在主进程结束后，即使子进程还未返回整个程序也会退出。虽然 apply_async是非阻塞的，但其返回结果的get方法却是阻塞的，如使用result.get()会阻塞主进程。
如果我们对返回结果不感兴趣， 那么可以在主进程中使用pool.close与pool.join来防止主进程退出。注意join方法一定要在close或terminate之后调用。

3、map(func, iterable[, chunksize]) 
map方法与在功能上等价与内置的map()，只不过单个任务会并行运行。它会使进程阻塞直到结果返回。
但需注意的是其第二个参数虽然描述的为iterable, 但在实际使用中发现只有在整个队列全部就绪后，程序才会运行子进程。 

4、map_async(func, iterable[, chunksize[, callback]]) 
与map用法一致，但是它是非阻塞的。其有关事项见apply_async。

5、imap(func, iterable[, chunksize]) 
与map不同的是， imap的返回结果为iter，需要在主进程中主动使用next来驱动子进程的调用。即使子进程没有返回结果，主进程对于gen_list(l)的 iter还是会继续进行， 另外根据python2.6文档的描述，对于大数据量的iterable而言，将chunksize设置大一些比默认的1要好。
   for x in pool.imap(pool_test, gen_list(l)):
       pass

6、imap_unordered(func, iterable[, chunksize]) 
同imap一致，只不过其并不保证返回结果与迭代传入的顺序一致。

7、close() 
关闭pool，使其不再接受新的任务。

8、terminate() 
结束工作进程，不再处理未处理的任务。

9、join() 
主进程阻塞等待子进程的退出， join方法要在close或terminate之后使用。

 

引用：懒人的世界（http://sysadm.blog.chinaunix.net），版权所有，如需转载，请注明出处

和http://www.cnblogs.com/congbo/archive/2012/08/23/2652490.html