python进阶笔记【1】--- 多进程

摘要：很简单，这个模块实现了开辟一块共享内存空间，就好比中的方法一样，有兴趣的同学可以去查阅。查了下资料，返回的对象控制了一个进程，可用于多进程之间的安全通信，其支持的类型有和等。

现在的cpu都很强大，比方我用的至强2620有24核可以同时工作，并行执行进程程序。这在计算密集型的程序是很需要的，如沙漠中的绿洲，令人重获新生。那么，问题接踵而来，python中多进程能否共享一个变量，因为我需要更新矩阵。

我的办法是用list存储三元组信息，信息包括矩阵位置以及value。那么首先我们设定一个全局变量叫result_list就可以了？

答案是NO.

进程间共享变量就需要独立开辟一块内存空间或是文件共享，在python里很方面，直接用一个模块可以解决这个问题，那就是 multiprocessing 里的 Manager。当然，这是针对我们需要的是list而言，如果我们只是共享一个简单的变量如一个整数，可以直接用 multiprocessing 里的 value。

下面的实例是怎么去共享变量。

from multiprocessing import Process, Manager, Lock
import os

lock = Lock()
manager = Manager()
sum = manager.list()


def testFunc(cc, lock):
    with lock:
        sum.append(1)


if __name__ == "__main__":
    threads = []

    for ll in range(1000):
        t = Process(target=testFunc, args=(1, lock))
        t.daemon = True
        threads.append(t)

    sum = manager.list()
    for i in range(len(threads)):
        threads[i].start()

    for j in range(len(threads)):
        threads[j].join()

    print "------------------------"
    print "process id:", os.getpid()
    print sum

很简单，manager这个模块实现了开辟一块共享内存空间，就好比c中的 shmget 方法一样，有兴趣的同学可以去查阅。 传送门

这样简单的处理并不能满足我。
首先，我需要一个线程池，当然，实现线程池也是非常简单的。但是就会遇到一个问题。

lock = multiprocessing.Lock()  
pool = multiprocessing.Pool(processes=3)  
for i in range(0,3):  
    pool.apply_async(child_worker, ((my_parameter, lock),))  
pool.close()  
pool.join()  

以上代码执行时会出错。

RuntimeError: Lock objects should only be shared between processes through inheritance

查了下资料，multiprocessing.Manager()返回的manager对象控制了一个server进程，可用于多进程之间的安全通信，其支持的类型有list,dict,Namespace,Lock,RLock,Semaphore,BoundedSemaphore,Condition,Event,Queue,Value和Array等。

所以代码修改成这样后就可以正常运行了：

lock = multiprocessing.Manager().Lock()  
pool = multiprocessing.Pool(processes=3)  
for i in range(0,3):  
    pool.apply_async(child_worker, ((my_parameter, lock),))  
pool.close()  
pool.join()  

所以,lock的问题解决了，真是厉害我们现在可以充分地（往死里）用我们的电脑了。

But,还不够，我想要多次执行这个并行化计算sum的函数。也就是说我需要每次去清空result_list的内容，这个可是一个很关键的细节，因为这个需要明白一个细节，你不能用sum = [] 这样的方式去重置，我个人认为是局部变量的原因，我后来找到了del sum[:]的方法，解决了我的大问题，so,final version 如下。

from multiprocessing import Process, Manager,Pool
import os

lock = Manager().Lock()
manager = Manager()
sum = manager.list()


def testFunc(cc, lock):
    with lock:
        sum.append(1)

# 配合 multiprocessing pool 对多参数的要求添加的函数
def multi_test(args):
    testFunc(*args)

def testing():
    threads = []
    _pool = Pool(24)

    del sum[:]
    lst_vars = []
    for shot in range(1000):
        lst_vars.append((1,lock))
    _pool.map(multi_test, lst_vars)
    _pool.close()
    _pool.join()
    
    print "------------------------"
    print "process id:", os.getpid()
    print sum
    
if __name__ == "__main__":
    testing()
    testing()

这些实例是我方便写博客想的，其实我是在写一个大工程遇到了这些个问题，忙的我焦头烂额，但是总结出了人生经验，希望帮到你，让你多活几年～～