在《多進(jìn)程并發(fā)與同步》中介紹了進(jìn)程創(chuàng)建與信息共享，除此之外python還提供了更方便的進(jìn)程間通訊方式。

進(jìn)程間通訊

multiprocessing中提供了Pipe（一對(duì)一）和Queue（多對(duì)多）用于進(jìn)程間通訊。

隊(duì)列Queue

隊(duì)列是一個(gè)可用于進(jìn)程間共享的Queue（內(nèi)部使用pipe與鎖），其接口與普通隊(duì)列類似：

put(obj[, block[, timeout]])：插入數(shù)據(jù)到隊(duì)列（默認(rèn)阻塞，且沒有超時(shí)時(shí)間）；

• 若設(shè)定了超時(shí)且隊(duì)列已滿，會(huì)拋出queue.Full異常；
• 隊(duì)列已關(guān)閉時(shí)，拋出ValueError異常

get([block[, timeout]])：讀取并刪除一個(gè)元素；

• 若設(shè)定了超時(shí)且隊(duì)列為空，會(huì)拋出queue.Empty異常；
• 隊(duì)列已關(guān)閉時(shí)，拋出ValueError異常；若已阻塞后，再關(guān)閉則會(huì)一直阻塞；

qsize()：返回一個(gè)近似隊(duì)列長(zhǎng)度（因多進(jìn)程原因，長(zhǎng)度會(huì)有誤差）；

empty()/full()：隊(duì)列空或慢（因多進(jìn)程原因，會(huì)有誤差）；

close()：關(guān)閉隊(duì)列；

當(dāng)主進(jìn)程（創(chuàng)建Queue的）關(guān)閉隊(duì)列時(shí)，子進(jìn)程中的隊(duì)列并沒有關(guān)閉，所以getElement進(jìn)程會(huì)一直阻塞等待（為保證能正常退出，需要設(shè)為后臺(tái)進(jìn)程）：

def putElement(name, qu: multiprocessing.Queue):
    try:
        for i in range(10):
            qu.put(f"{name}-{i + 1}")
            time.sleep(.1)
    except ValueError:
        print("queue closed")
    print(f"{name}: put complete")
def getElement(name, qu: multiprocessing.Queue):
    try:
        while True:
            r = qu.get()
            print(f"{name} recv: {r}")
    except ValueError:
        print("queue closed")
    print(f"{name}: get complete")
if __name__ == '__main__':
    qu = multiprocessing.Queue(100)
    puts = [multiprocessing.Process(target=putElement, args=(f"send{i}", qu)) for i in range(10)]
    gets = [multiprocessing.Process(target=getElement, args=(f"recv{i}", qu), daemon=True) for i in range(2)]
    list(map(lambda f: f.start(), puts))
    list(map(lambda f: f.start(), gets))
    for f in puts:
        f.join()
    print("To close")
    qu.close() # 只是main中的close了，其他進(jìn)程中的并沒有

管道Pipe

multiprocessing.Pipe([duplex])返回一個(gè)連接對(duì)象對(duì)(conn1, conn2)。若duplex為True（默認(rèn)），創(chuàng)建的是雙向管道；否則conn1只能用于接收消息，conn2只能用于發(fā)送消息：

• send()：發(fā)送消息；
• recv()：接收消息；

進(jìn)程間的Pipe基于fork機(jī)制建立：

• 主進(jìn)程創(chuàng)建Pipe：Pipe的兩個(gè)Connections連接的的都是主進(jìn)程；
• 創(chuàng)建子進(jìn)程后，Pipe也被拷貝了一份：此時(shí)有了4個(gè)Connections；
• 主進(jìn)程關(guān)閉一個(gè)Out Connection，子進(jìn)程關(guān)閉一個(gè)In Connection：就建立好了一個(gè)輸入在主進(jìn)程，輸出在子進(jìn)程的管道。

def pipeProc(pipe):
    outPipe, inPipe = pipe
    inPipe.close() # 必須關(guān)閉，否則結(jié)束時(shí)不會(huì)收到EOFError異常
    try:
        while True:
            r = outPipe.recv()
            print("Recv:", r)
    except EOFError:
        print("RECV end")
if __name__ == '__main__':
    outPipe, inPipe = multiprocessing.Pipe()
    sub = multiprocessing.Process(target=pipeProc, args=((outPipe, inPipe),))
    sub.start()
    outPipe.close() # 必須在進(jìn)程成功運(yùn)行后，才可關(guān)閉
    with inPipe:
        for x in range(10):
            inPipe.send(x)
            time.sleep(.1)
    print("send complete")
    sub.join()

進(jìn)程池Pool

雖然使用多進(jìn)程能提高效率，但進(jìn)程的創(chuàng)建與銷毀會(huì)消耗較長(zhǎng)時(shí)間；同時(shí)，過多進(jìn)程會(huì)引起頻繁的調(diào)度，也增加了開銷。

進(jìn)程池中有固定數(shù)量的進(jìn)程：

• 請(qǐng)求到來(lái)時(shí)，從池中取出一個(gè)進(jìn)程來(lái)處理任務(wù)；理完畢后，進(jìn)程并不立即關(guān)閉，而是再放回進(jìn)程池中；
• 當(dāng)池中進(jìn)程數(shù)量不夠，請(qǐng)求就要等待，直到拿到空閑進(jìn)程后才能繼續(xù)執(zhí)行；
• 池中進(jìn)程的數(shù)量是固定的，隱藏同一時(shí)間最多有固定數(shù)量的進(jìn)程在運(yùn)行。

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

• processes：要?jiǎng)?chuàng)建進(jìn)程數(shù)量（默認(rèn)os.cpu_count()個(gè)），在需要時(shí)才會(huì)創(chuàng)建；
• initializer(*initargs)：每個(gè)工作進(jìn)程啟動(dòng)時(shí)執(zhí)行的方法（一般processes為幾就執(zhí)行幾次）；

Pool類中主要方法：

• apply(func[, args[, kwds]])：以阻塞方式，從池中獲取進(jìn)程并執(zhí)行func(*args,**kwargs)；
• apply_async(func[, args[, kwds[, callback[, error_callback]]]])：異步方式（從池中獲取一個(gè)進(jìn)程）執(zhí)行func(*args,**kwargs)，返回AsyncResult；
• map(func, iterable[, chunksize])/map_async：map的并行版本（可同時(shí)處理多個(gè)任務(wù)），異步時(shí)返回MapResult；
• starmap(func, iterable[, chunksize])/starmap_async：與map的區(qū)別是允許傳入多個(gè)參數(shù)；
• imap(func, iterable[, chunksize])：map的惰性版本（返回結(jié)果是可迭代對(duì)象），內(nèi)存消耗會(huì)低些，返回迭代器IMapIterator；
• imap_unordered(func, iterable[, chunksize])：imap返回的結(jié)果順序與map順序是相同的，而此方法返回的順序是亂序的（不依次等待每個(gè)任務(wù)完成，先完成的先返回），返回迭代器IMapIterator；
• close()：關(guān)閉，禁止繼續(xù)提交任務(wù)（已提交任務(wù)會(huì)繼續(xù)執(zhí)行完成）；
• terminate()：立即終止所有任務(wù)；
• join()：等待工作進(jìn)程完成（必須已close或terminate了）；

def poolWorker():
    print(f"worker in process {os.getpid()}")
    time.sleep(1)
def poolWorkerOne(name):
    print(f"worker one {name} in process {os.getpid()}")
    time.sleep(random.random())
    return name
def poolWorkerTwo(first, second):
    res = first + second
    print(f"worker two {res} in process {os.getpid()}")
    time.sleep(1./(first+1))
    return res
def poolInit():
    print("pool init")
if __name__ == '__main__':
    workers = multiprocessing.Pool(5, poolInit) # poolInit會(huì)被調(diào)用5次（線程啟動(dòng)時(shí)）
    with workers:
        for i in range(5):
            workers.apply_async(poolWorker)
        arg = [(i, i) for i in range(10)]
        workers.map_async(poolWorkerOne, arg)
        results = workers.starmap_async(poolWorkerTwo, arg) # 每個(gè)元素（元組）會(huì)被拆分為獨(dú)立的參數(shù)
        print("Starmap:", results.get())
        results = workers.imap_unordered(poolWorkerOne, arg)
        for r in results: # r是亂序的（若使用imap，則與輸入arg的順序相同）
            print("Unordered:", r)
    # 必須保證workers已close了
    workers.join()