昊天SEO

python的threading和multiprocessing模块

前言
这两天为了做一个小项目,研究了一下python的并发编程,所谓并发无非多线程和多进程,最初找到的是threading模块,因为印象中线程“轻量…”,“切 换快…”,“可共享进程资源…”等等,但是没想到这里水很深,进而找到了更好的替代品multiprocessing模块。下面会讲一些使用中的经验。

后面出现的代码都在ubuntu10.04 +&nbsppython2.6.5;的环境下测试通过。

一、使用threading模块创建线程
1、三种线程创建方式
(1)传入一个函数
这种方式是最基本的,即调用threading中的Thread类的构造函数,然后指定参数target=func,再使用返回的Thread的实例调用start( )方法,即开始运行该线程,该线程将执行函数func,当然,如果func需要参数,可以在Thread的构造函数中传入参数args=(…)。示例代码如下:

#!/usr/bin/python  
#-*-coding:utf-8-*-  

import threading  
#用于线程执行的函数  
def counter(n):  
    cnt = 0;  
    for i in xrange(n):  
        for j in xrange(i):  
            cnt += j;  
    print cnt;              

if __name__ == '__main__':  
    #初始化一个线程对象,传入函数counter,及其参数1000  
    th = threading.Thread(target=counter, args=(1000,));  
    #启动线程  
    th.start();  
    #主线程阻塞等待子线程结束  
    th.join();  



这段代码很直观,counter函数是一个很无聊的双重循环,需要注意的是th.join()这句,这句的意思是主线程将自我阻塞,然后等待th表示的线程执行完毕再 结束,如果没有这句,运行代码会立即结束。join的意思比较晦涩,其实将这句理解成这样会好理解些“while&nbspth.is;_alive():& amp;nbsptime.sleep;(1)”。虽然意思相同,但是后面将看到,使用join也有陷阱。
(2)传入一个可调用的对象
许多的python 对象都是我们所说的可调用的,即是任何能通过函数操作符“()”来调用的对象(见《python核心编程》第14章)。类的对象也是可以调用的, 当被调用时会自动调用对象的内建方法call(),因此这种新建线程的方法就是给线程指定一个call方法被重载了的对象。示例代码如下:

#!/usr/bin/python  
#-*-coding:utf-8-*-  

import threading  
#可调用的类  
class Callable(object):  
    def __init__(self, func, args):  
        self.func = func;  
        self.args = args;  
    def __call__(self):  
        apply(self.func, self.args);  

#用于线程执行的函数  
def counter(n):  
    cnt = 0;  
    for i in xrange(n):  
        for j in xrange(i):  
            cnt += j;  
    print cnt;   

if __name__ == '__main__':  
    #初始化一个线程对象,传入可调用的Callable对象,并用函数counter及其参数1000初始化这个对象  
    th = threading.Thread(target=Callable(counter, (1000,)));  
    #启动线程  
    th.start();  
    #主线程阻塞等待子线程结束  
    th.join();  



这个例子关键的一句是apply(self.func,&nbspself.args;); 这里使用初始化时传入的函数对象及其参数来进行一次调用。
(3)继承Thread类
这种方式通过继承Thread类,并重载其run方法,来实现自定义的线程行为,示例代码如下:

#!/usr/bin/python  
#-*-coding:utf-8-*-  

import threading, time, random  

def counter():  
    cnt = 0;  
    for i in xrange(10000):  
        for j in xrange(i):  
            cnt += j;  

class SubThread(threading.Thread):  
    def __init__(self, name):  
        threading.Thread.__init__(self, name=name);  

    def run(self):  
        i = 0;  
        while i < 4:  
            print self.name,'counting...\n';  
            counter();  
            print self.name,'finish\n';  
            i += 1;  

if __name__ == '__main__':  

    th = SubThread('thread-1');  
    th.start();  
    th.join();  
    print 'all done';  


这个例子定义了一个SubThread类,它继承了Thread类,并重载了run方法,在方法中调用counter4次并打印一些信息,可以看到这种方式比较直观。 在构造函数中要记得先调用父类的构造函数进行初始化。
2、python多线程的限制
python多线程有个讨厌的限制,全局解释器锁(global interpreter; lock;),这个锁的意思是任一时间
只能有一个线程使用解释器,跟单cpu跑多个程序一个意思,大家都是轮着用的,这叫“并发”,不是“并行”。手册上的解释是为了保证对象模型的正确性!这个锁造成的困 扰是如果有一个计算密集型的线程占着cpu,其他的线程都得等着….,试想你的多个线程中有这么一个线程,得多悲剧,多线程生生被搞成串行;当然这个模块也不是毫 无用处,手册上又说了:当用于IO密集型任务时,IO期间线程会释放解释器,这样别的线程就有机会使用解释器了!所以是否使用这个模块需要考虑面对的任务类型。
二、使用multiprocessing创建进程
1、三种创建方式
进程的创建方式跟线程完全一致,只不过要将threading.Thread换成multiprocessing.Process。multiprocessing模 块尽力保持了与threading模块在方法名上的一致性,示例代码可参考上面线程部分的。这里只给出第一种使用函数的方式:

#!/usr/bin/python  
#-*-coding:utf-8-*-  
import multiprocessing, time  

def run():  
    i = 0;  
    while i<10000:  
        print 'running';  
        time.sleep(2);  
        i += 1;  

if __name__ == '__main__':  
    p = multiprocessing.Process(target=run);  
    p.start();  
    #p.join();  
    print p.pid;  
    print 'master gone';  



2、创建进程池
该模块还允许一次创建一组进程,然后再给他们分配任务。详细内容可参考手册,这部分研究不多,不敢乱写。

pool = multiprocessing.Pool(processes=4)  
pool.apply_async(func, args...)  

3、使用进程的好处
完全并行,无GIL的限制,可充分利用多cpu多核的环境;可以接受linux信号,后面将看到,这个功能非常好用。
三、实例研究
该实例假想的任务是:一个主进程会启动多个子进程分别处理不同的任务,各个子进程可能又有自己的线程用于不同的IO处理(前面说过,线程在IO方面还是不错的),要实 现的功能是,对这些子进程发送信号,能被正确的处理,例如发生SIGTERM,子进程能通知其线程收工,然后“优雅”的退出。现在要解决的问题有:(1)在子类化的P rocess对象中如何捕捉信号;(2)如何“优雅的退出”。下面分别说明。
1、子类化Process并捕捉信号
如果是使用第一种进程创建方式(传入函数),那么捕捉信号很容易,假设给进程运行的函数叫func,代码示例如下:

#!/usr/bin/python  
#-*-coding:utf-8-*-  
import multiprocessing, signal,time  

def handler(signum, frame):  
    print 'signal', signum;  

def run():  
    signal.signal(signal.SIGTERM, handler);  
    signal.signal(signal.SIGINT, handler);  
    i = 0;  
    while i<10000:  
        print 'running';  
        time.sleep(2);  
        i += 1;  

if __name__ == '__main__':  

    p = multiprocessing.Process(target=run);  
    p.start();  
    #p.join();  
    print p.pid;  
    print 'master gone';  



这段代码是在第一种创建方式的基础上修改而来的,增加了两行signal.signal(…)调用,这是说这个函数要捕捉SIGTERM和SIGINT两个信号 ,另外增加了一个handler函数,该函数用于捕捉到信号时进行相应的处理,我们这里只是简单的打印出信号值。注意p.join()被注释掉了,这里跟线程的情况有 点区别,新的进程启动后就开始运行了,主进程也不用等待它运行完,可以该干嘛干嘛去。这段代码运行后会打印出子进程的进程id,根据这个id,在另一个终端输入kil l&nbsp-TERM; id;,会发现刚才的终端打印出了”signal 15;”。
但是使用传入函数的方式有一点不好的是封装性太差,如果功能稍微复杂点,将会有很多的全局变量暴露在外,最好还是将功能封装成类,那么使用类又怎么注册信号相应函数呢 ?上面的例子貌似只能使用一个全局的函数,手册也没有给出在类中处理信号的例子,其实解决方法大同小异,也很容易,这个帖子http://stackoverflow .com/questions/6204443/python-signal-reading-return-from-signal-handler- function给了我灵感:

class Master(multiprocessing.Process):  
    def __init__(self):  
        super(Master,self).__init__();  
        signal.signal(signal.SIGTERM, self.handler);     #注册信号处理函数  
        self.live = 1;  
    #信号处理函数  
    def handler(self, signum, frame):  
        print 'signal:',signum;  
        self.live = 0;  

    def run(self):  
        print 'PID:',self.pid;  
        while self.live:  
            print 'living...'  
            time.sleep(2);    



方法很直观,首先在构造函数中注册信号处理函数,然后定义了一个方法handler作为处理函数。这个进程类会每隔2秒打印一个“living…”,当接收到S IGTERM后,改变self.live的值,run方法的循环检测到这个值为0后就结束了,进程也结束了。
2、让进程优雅的退出
下面放出这次的假想任务的全部代码,我在主进程中启动了一个子进程(通过子类化Process类),然后子进程启动后又产生两个子线程,用来模拟“生产者-消费者”模 型,两个线程通过一个队列进行交流,为了互斥访问这个队列,自然要加一把锁(condition对象跟Lock对象差不多,不过多了等待和通知的功能);生产者每次产 生一个随机数并扔进队列,然后休息一个随机时间,消费者每次从队列取一个数;而子进程中的主线程要负责接收信号,以便让整个过程优雅的结束。代码如下:

#!/usr/bin/python  
#-*-coding:utf-8-*-  
import time, multiprocessing, signal, threading, random, time, Queue  

class Master(multiprocessing.Process):  
    def __init__(self):  
        super(Master,self).__init__();  
        signal.signal(signal.SIGTERM, self.handler);  
    #这个变量要传入线程用于控制线程运行,为什么用dict?充分利用线程间共享资源的特点  
    #因为可变对象按引用传递,标量是传值的,不信写成self.live = true试试  
        self.live = {'stat':True};                     

    def handler(self, signum, frame):  
        print 'signal:',signum;  
        self.live['stat'] = 0;                                   #置这个变量为0,通知子线程可以“收工”了  

    def run(self):  
        print 'PID:',self.pid;       
        cond = threading.Condition(threading.Lock());            #创建一个condition对象,用于子线程交互  
        q = Queue.Queue();                                       #一个队列  
        sender = Sender(cond, self.live, q);                     #传入共享资源  
        geter = Geter(cond, self.live, q);  
        sender.start();                                          #启动线程  
        geter.start();  
        signal.pause();                                          #主线程睡眠并等待信号  
        while threading.activeCount()-1:                         #主线程收到信号并被唤醒后,检查还有多少线程活着(除掉自己)  
            time.sleep(2);                                       #再睡眠等待,确保子线程都安全的结束  
            print 'checking live', threading.activeCount();  
        print 'mater gone';  

class Sender(threading.Thread):  
    def __init__(self, cond, live, queue):  
        super(Sender, self).__init__(name='sender');  
        self.cond = cond;  
        self.queue = queue;  
        self.live = live  

    def run(self):  
        cond = self.cond;  
        while self.live['stat']:                                 #检查这个进程内的“全局”变量,为真就继续运行  
            cond.acquire();                                      #获得锁,以便控制队列  
            i = random.randint(0,100);  
            self.queue.put(i,False);  
            if not self.queue.full():  
                print 'sender add:',i;  
            cond.notify();                                       #唤醒等待锁的其他线程  
            cond.release();                                      #释放锁  
            time.sleep(random.randint(1,3));  
        print 'sender done'  

class Geter(threading.Thread):  
    def __init__(self, cond, live, queue):  
        super(Geter, self).__init__(name='geter');  
        self.cond = cond;  
        self.queue = queue;  
        self.live = live  

    def run(self):  
        cond = self.cond;  
        while self.live['stat']:  
            cond.acquire();  
            if not self.queue.empty():  
                i = self.queue.get();  
                print 'geter get:',i;  
            cond.wait(3);  
            cond.release();  
            time.sleep(random.randint(1,3));  
        print 'geter done'  

if __name__ == '__main__':  

    master = Master();  
    master.start();                                              #启动子进程  


需要注意的地方是,在Master的run方法中sender.start()和geter.start()之后,按常理应该接着调用sender.join()和g eter.join(),让主线程等待子线程结束,前面说的join的陷阱就在这里,join将主线程阻塞(blocking)住了,主线程无法再捕捉信号,刚开始研
究这块时还以为信号处理函数写错了。网上讨论比较少,这里说的比较清楚

本文地址官网    新乡网站建设,seo

分享到:更多 ()
a