进程

程序：例如xxx.py这是程序，是一个静态的
进程：一个程序运行起来后，代码+用到的资源称之为进程，它是操作系统分配资源的基本单元。
————目录————：

进程的状态
多进程的基本使用
进程名称及pid获取
参数传递
全局变量
守护进程

进程的状态

就绪态：运行的条件都已经满足，正在等在cpu执行
执行态：cpu正在执行其功能
等待态：等待某些条件满足，例如一个程序sleep了，此时就处于等待态

多进程的基本使用

1.创建：

import  multiprocessing
对象 = multiprocessing.Process(group, target , name , args ,  kwargs)

2.参数：

参数	描述
target	如果传递了函数的引用，这个子进程就执行这里(函数)的代码
args	给target指定的函数传递的参数，以元组的方式传递
kwargs	给target指定的函数传递命名参数
name	给进程设定一个名字，可以不设定
group	指定进程组，大多数情况下用不到

3.方法：

方法	描述
start()	启动子进程实例（创建子进程）
is_alive()	判断进程子进程是否还在活着
join([timeout])	是否等待子进程执行结束，或等待多少秒
terminate()	不管任务是否完成，立即终止子进程

4.属性：

参数	描述
name	当前进程的别名，默认为Process-N，N为从1开始递增的整数
pid	当前进程的pid（进程号）

进程名称及pid获取

1.进程名：

multiprocessing.current_process()

2.进程pid：

(1)multiprocessing.current_process().pid
(2)import os模块的os.getpid()
(3)获取父id：os.getppid()

参数传递

与多线程theading一致
1.元祖传参：args = (参数1,参数2,…)
注意：如果只有一个参数，应写为args=(参数,),逗号不可省略，证明他是一个元组
2.字典传参：kwargs = {“a”: 10, “b”:100,….}
3.混合使用：args = (参数1,), kwargs = {“b”:100,…….}

全局变量

进程之间不可共享全局变量
例：

import multiprocessing
import time
n = 0def add():global nn += 1print(n)if __name__ == '__main__':m1 = multiprocessing.Process(target=add)m2 = multiprocessing.Process(target=add)m1.start()time.sleep(0.5)m2.start()time.sleep(0.5)print(n)

执行结果：两次进程的操作结果都是1，而且最后n的值为0，说明主进程之间不共享全局变量(但是可通过消息队列Queue等进行数据的通信)

守护进程

设置后主进程结束时子进程也结束

# 第一种方法：主进程结束，子进程也结束
p1.daemon = True
# 第二种方法：让主进程立即结束
p1.terminate()

Python高级——多进程(multiprocessing)相关推荐

Python 多进程 multiprocessing 使用示例
参考:http://blog.csdn.net/qdx411324962/article/details/46810421 参考:http://www.lxway.com/4488626156.htm ...
python 多进程multiprocessing进程池pool tensorflow-yolov3 报错 MemoryError
进程数设置为1-9个都能正常运行,设置成10个就开始报错,怪事! D:\20191031_tensorflow_yolov3\python\python.exe D:/20191031_tensorf ...
python 多进程 multiprocessing.Queue()报错：The freeze_support() line can be omitted if the program
运行以下多进程测试代码时报错: # -*- coding: utf-8 -*- """ @File : test_191205_测试多进程Multiprocessing_ ...
python 多进程multiprocessing 如何获取子进程的返回值？进程池pool，apply_async()，get()，
案例1 # -*- coding: utf-8 -*- """ @File : 20200318_摄像头多进程流传输.py @Time : 2020/3/18 14:58 ...
Python多线程threading和多进程multiprocessing的区别及代码实现
1. 多线程threading import time from threading import Threaddef thread_read(data):while True:print('read ...
python并发编程：协程asyncio、多线程threading、多进程multiprocessing
python并发编程:协程.多线程.多进程 CPU密集型计算与IO密集型计算多线程.多进程与协程的对比多线程创建多线程的方法多线程实现的生产者-消费者爬虫 Lock解决线程安全问题使用线程池 ...
Python高级特性与网络爬虫（一）：使用Ajax请求爬取用户微博内容和python多进程爬取用户图片
最近阅读了崔庆才写的<Python3网络爬虫开发实战>,系统地学习一下利用Python写网络爬虫.由于这本书出版时间是2018年,很多书中案例涉及的网站已经改版,基本上每个案例都需要自己再 ...
Python并发之多进程multiprocessing(2)
1, 多进程 vs 多线程 Python中的常见的并发模型分为两种: 多线程threading并发,多用于IO密集型计算多进程multiprocessing并发,多用于CPU密集型计算 (1)IO密 ...
Python编程基础：第六十节多进程Multiprocessing
第六十节多进程Multiprocessing 前言实践前言多进程能够在不同的CPU核心上并行运行任务,可以绕过用于线程的GIL. 多进程:更适合密集计算相关任务(cpu使用率高). 多线程:更 ...

Python高级——多进程(multiprocessing)

进程