Python 多任务2: 进程&文件夹copy器

一、总体内容

• 1.1、进程、程序的概念
• 1.2、使用 Process 完成多进程- multiprocessing
• 1.3、通过队列完成进程间通信
• 1.4、进程、线程对比
• 1.5、进程间通信-Queue
• 1.6、进程池Pool
• 1.7、文件夹copy器（多进程版）

二、进程、程序的概念

• 2.1、进程和程序的含义
  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。

  提示：不仅可以通过线程完成多任务，进程也是可以的

• 2.2、进程的状态
  工作中，任务数往往大于cpu的核数，即一定有一些任务正在执行，而另外一些任务在等待cpu进行执行，因此导致了有了不同的状态
  进程的状态
  • 就绪态：运行的条件都已经慢去，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

三、使用 Process 完成多进程- multiprocessing

• 3.1、multiprocessing 模块就是跨平台版本的多进程模块，提供了一个Process类来代表一个进程对象，这个对象可以理解为是一个独立的进程，可以执行另外的事情

• 3.2、2个while循环一起执行

  import multiprocessing
  import time
  
  
  def test1():
        while True:
             print('----test1----')
             time.sleep(1)
  
  
  def test2():
        while True:
             print('----test2----')
             time.sleep(1)
  
  
  def main():
  
         process1 = multiprocessing.Process(target=test1)
         process2 = multiprocessing.Process(target=test2)
  
         process1.start()
         process2.start()
  
  
  if __name__ == '__main__':
  
         main()
  

  • 创建 子进程 时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动
  • 与线程在代码上的区别是：threading 换成了 multiprocessing，Thread 换成了 Process，其他的都没有发生改变
  • 线程 是轻量级的，将来操作系程调度的单位
  • 进程 是重量级的，资源分配的单位

• 3.3、进程的 pid (每一个进程都有pid)

  from multiprocessing import Process
  import os
  import time
  
  def run_proc():
        """子进程要执行的代码"""
        print('子进程运行中，pid=%d...' % os.getpid())  # os.getpid获取当前进程的进程号
        print('子进程将要结束...')
  
  if __name__ == '__main__':
        print('父进程pid: %d' % os.getpid())  # os.getpid获取当前进程的进程号
        p = Process(target=run_proc)
        p.start()
  

  提示：在终端我们是可以使用 ps aux 命令来查看所有的进程，可以通过进程的ID来杀死某些进程 ，如： kill 进程的ID

• 3.4、Process语法结构如下：

  • Process([group [, target [, name [, args [, kwargs]]]]])
    • target：如果传递了函数的引用，可以任务这个子进程就执行这里的代码
    • 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
  • Process创建的实例对象的常用方法：
    • 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
  • Process创建的实例对象的常用属性：
    • 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）

• 3.5、给子进程指定的函数传递参数

  from multiprocessing import Process
  import os
  from time import sleep
  
  
  def run_proc(name, age, **kwargs):
         for i in range(10):
              print('子进程运行中，name= %s,age=%d ,pid=%d...' % (name, age, os.getpid()))
              print(kwargs)
              sleep(0.2)
  
  if __name__=='__main__':
         p = Process(target=run_proc, args=('test',18), kwargs={"m":20})
         p.start()
         sleep(1)  # 1秒中之后，立即结束子进程
         p.terminate()
         p.join()
  

• 3.6、进程间不同享全局变量

  import multiprocessing
  import time
  import os
  
  num_list = [1,2,3];
  
  
  def work1():
       """子进程要执行的代码"""
       for i in range(3):
          print('-in process1 pid = %d--work---%d  全局的数组=%s'%(os.getpid(),i,num_list))
          num_list.append(i)
          time.sleep(0.01)
  
  
  def work2():
       """子进程要执行的代码"""
       print("-in process2 pid = %d 全局的数组=%s"%(os.getpid(),num_list))
  
  
  def main():
  
       # 1、创建两个进程
       process1 = multiprocessing.Process(target=work1)
       process1.start()
       process1.join()
  
       process2 = multiprocessing.Process(target=work2)
       process2.start()
  
  
  if __name__ == '__main__':
  
       main()
  

  打印结果是

  -in process1 pid = 20382--work---0  全局的数组=[1, 2, 3]
  -in process1 pid = 20382--work---1  全局的数组=[1, 2, 3, 0]
  -in process1 pid = 20382--work---2  全局的数组=[1, 2, 3, 0, 1]
  -in process2 pid = 20383 全局的数组=[1, 2, 3]
  

四、进程、线程对比

• 4.1、功能
  • 进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ
  • 线程，能够完成多任务，比如 一个QQ中的多个聊天窗口
• 4.2、定义的不同
  • 进程 是系统进行资源分配和调度的一个独立单位
  • 线程 是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源.
• 4.3、区别
  • 一个程序至少有一个进程,一个进程至少有一个线程.
  • 线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。
  • 进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
  • 线线程不能够独立执行，必须依存在进程中

  • 可以将进程理解为工厂中的一条流水线，而其中的线程就是这个流水线上的工人

    
    可以将进程理解为工厂中的一条流水线，而其中的线程就是这个流水线上的工人
• 4.4、优缺点
  • 线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反。

五、进程间通信-Queue
Process(进程)之间有时需要通信，操作系统提供了很多机制来实现进程间的通信。

• 5.1、Queue的使用
  可以使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序，首先用一个小demo来看一下Queue的工作原理：

  import multiprocessing
  
  def main():
  
        # 1、初始化一个Queue对象，最多可接收三条put消息
        queue = multiprocessing.Queue(3)
  
        queue.put("消息 1")
        queue.put("消息 2")
  
        print(queue.full())
        queue.put("消息 3")
        print(queue.full())
  
        # 因为消息列队已满下面的try都会抛出异常，第一个try会等待2秒后再抛出异常，第二个Try会立刻抛出异常
       try:
           queue.put("消息4")
       except:
           print("消息列队已满，现有消息数量:%s" % queue.qsize())
  
       try:
          queue.put_nowait("消息4")
       except:
          print("消息列队已满，现有消息数量:%s" % queue.qsize())
  
       # 推荐的方式，先判断消息列队是否已满，再写入
       if not queue.full():
  
           queue.put_nowait("消息4")
  
       # 读取消息时，先判断消息列队是否为空，再读取
       if not queue.empty():
           print('---')
    
  
  if __name__ == '__main__':
  
       main()
  

  说明:

  • 初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）；

    • Queue.qsize()：返回当前队列包含的消息数量；
    • Queue.empty()：如果队列为空，返回True，反之False ；
    • Queue.full()：如果队列满了，返回True,反之False；
    • Queue.get([block[, timeout]])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True；

  • (1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出"Queue.Empty"异常；

  • (2）如果block值为False，消息列队如果为空，则会立刻抛出"Queue.Empty"异常；

    • Queue.get_nowait()：相当Queue.get(False)；
    • Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True；

  • (1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出"Queue.Full"异常；

  • (2）如果block值为False，消息列队如果没有空间可写入，则会立刻抛出"Queue.Full"异常；

    • Queue.put_nowait(item)：相当Queue.put(item, False)；

• 5.2、Queue实例，在父进程中创建两个子进程，一个往Queue里写数据，一个从Queue里读数据：

  import multiprocessing
  
  
  def download_data(queue):
          """下载数据"""
  
          # 模拟从网上下载数据
          data = [1,2,3,4]
  
          # 向对列中写入数据
          for temp in data:
                queue.put(temp)
  
          print("----下载器已经下载完了数据，并且存入到了队列中----")
  
  
  def read_data(queue):
          """读取下载过的数据"""
          read_download_data = list()
          # 从队列中获取数据
          while True:
                data = queue.get()
               if data:
                   read_download_data.append(data)
  
               if queue.empty():
                   break
          # 模拟数据出来
          print('读取的数据是：%s'%str(read_download_data))
  
  
  def main():
  
        # 1、创建一个队列
        queue = multiprocessing.Queue()
  
        # 2、创建两个进程,将队列的引用当做实参传进去
        process1 = multiprocessing.Process(target=download_data,args=(queue,))
        process2 = multiprocessing.Process(target=read_data,args=(queue,))
  
        process1.start()
        process2.start()
  
  
  if __name__ == '__main__':
  
        main()
  

六、进程池Pool

• 6.1、当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。
  初始化Pool时，可以指定一个最大进程数，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指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务。

• 6.2、请看下面进程池Pool的实例：

  import multiprocessing
  import os,time,random
  
  
  def worker(msg):
  
      t_start = time.time()
      print("%s开始执行，进程号为%d" % (msg,os.getpid()))
      # random.random()随机生成 0~1之间的浮点数
      time.sleep(random.random()*2)
      t_stop = time.time()
      print(msg,"执行完毕，耗时%0.2f"%(t_stop-t_start))
  
  
  # 定义一个进程池，最大进程数 3
  po = multiprocessing.Pool(3)
  for i in range(0,10):
  # Pool().apply_async（要调用的目标，(传递给目标的参数元组，)）
  # 每次循环将会用空闲出来的子进程去调用目标
  po.apply_async(worker,(i,))
  
  print('-------start----')
  # 关闭进程池，关闭后po不再接收新的请求
  po.close()
  # 等待po中所有子进程执行完成，必须放在close语句之后
  po.join()
  print('----end----')
  

  运行结果:

  -------start----
  0开始执行，进程号为21692
  1开始执行，进程号为21693
  2开始执行，进程号为21694
  0 执行完毕，耗时0.53
  3开始执行，进程号为21692
  3 执行完毕，耗时0.01
  4开始执行，进程号为21692
  1 执行完毕，耗时0.57
  5开始执行，进程号为21693
  2 执行完毕，耗时1.14
  6开始执行，进程号为21694
  6 执行完毕，耗时0.49
  7开始执行，进程号为21694
  4 执行完毕，耗时1.60
  8开始执行，进程号为21692
  5 执行完毕，耗时1.82
  9开始执行，进程号为21693
  9 执行完毕，耗时0.06
  7 执行完毕，耗时1.23
  8 执行完毕，耗时1.07
  ----end----
  

• 6.3、multiprocessing.Pool常用函数解析：

  • apply_async(func[, args[, kwds]]) ：使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表；
  • close()：关闭Pool，使其不再接受新的任务；
  • terminate()：不管任务是否完成，立即终止；
  • join()：主进程阻塞，等待子进程的退出， 必须在close或terminate之后使用；

• 6.4、进程池中的Queue

  • 如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()，否则会得到一条如下的错误信息：
    RuntimeError: Queue objects should only be shared between processes through inheritance.

  • 下面的实例演示了进程池中的进程如何通信：

    # 修改import中的Queue为Manager
    from multiprocessing import Manager,Pool
    import os,time,random
    
    
    def reader(q):
          print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
          for i in range(q.qsize()):
               print("reader从Queue获取到消息：%s" % q.get(True))
    
    def writer(q):
          print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
          for i in "itcast":
               q.put(i)
    
    if __name__=="__main__":
          print("(%s) start" % os.getpid())
          q = Manager().Queue()  # 使用Manager中的Queue
          po = Pool()
          po.apply_async(writer, (q,))
    
          time.sleep(1)  # 先让上面的任务向Queue存入数据，然后再让下面的任务开始从中取数据
    
          po.apply_async(reader, (q,))
          po.close()
          po.join()
          print("(%s) End" % os.getpid())
    

    运行结果:

    (11095) start
    writer启动(11097),父进程为(11095)
    reader启动(11098),父进程为(11095)
    reader从Queue获取到消息：i
    reader从Queue获取到消息：t
    reader从Queue获取到消息：c
    reader从Queue获取到消息：a
    reader从Queue获取到消息：s
    reader从Queue获取到消息：t
    (11095) End
    

七、文件夹copy器（多进程版）

• 7.1、基本的文件夹复制

  import multiprocessing
  import os
  
  
  def copy_file(file_name,old_file_name,new_file_name):
         """文件的copy"""
         print("=====》模拟copy文件：从%s---->到 %s 文件的名字是：%s"%(old_file_name,new_file_name,file_name))
  
         old_f = open(old_file_name+"/"+file_name,'rb')
         content = old_f.read()
         old_f.close()
  
         new_f = open(new_file_name+"/"+file_name,'wb')
         new_f.write(content)
         new_f.close()
  
  
  def main():
  
         # 1、获取用户所要copy的文件夹名字
         old_folder_name = input("请输入要copy的文件夹的名字：")
  
         # 2、创建一个新的文件夹
         try:
  
             new_folder_name = old_folder_name + "[附件]"
             os.mkdir(new_folder_name)
         except:
             pass
  
         # 3、获取文件夹的所有的等待copy的文件名字 listdir()
         file_names = os.listdir(old_folder_name)
         print(file_names)
  
         # 4、创建进程池
         po = multiprocessing.Pool(3)
  
         # 5、向进程池中添加 copy 文件的任务
         for file_name in file_names:
               po.apply_async(copy_file,args=(file_name,old_folder_name,new_folder_name))
  
         # 6、关闭进程池以及等待进程池的结束
         po.close()
         po.join()
  
  if __name__ == '__main__':
         main()
  

  提示：上面的路径是以当前py文件为准的

• 7.2、带有进度的文件夹复制

  import multiprocessing
  import os
  import time
  
  
  def copy_file(queue,file_name,old_file_name,new_file_name):
           """文件的copy"""
           # print("=====》模拟copy文件：从%s---->到 %s 文件的名字是：%s"%(old_file_name,new_file_name,file_name))
  
           old_f = open(old_file_name+"/"+file_name,'rb')
           content = old_f.read()
           old_f.close()
  
           new_f = open(new_file_name+"/"+file_name,'wb')
           new_f.write(content)
           new_f.close()
  
           # 如果拷贝完了文件，就向队列中写入一个消息，表示已经完成
           queue.put(file_name)
  
  
  def main():
  
           # 1、获取用户所要copy的文件夹名字
           old_folder_name = input("请输入要copy的文件夹的名字：")
  
           # 2、创建一个新的文件夹
           try:
               new_folder_name = old_folder_name + "[附件]"
               os.mkdir(new_folder_name)
           except:
               pass
  
           # 3、获取文件夹的所有的等待copy的文件名字 listdir()
           file_names = os.listdir(old_folder_name)
           print(file_names)
  
           # 4、创建进程池
           po = multiprocessing.Pool(3)
  
           # 5、创建一个进程池队列
           queue = multiprocessing.Manager().Queue()
  
           # 6、向进程池中添加 copy 文件的任务
           for file_name in file_names:
                po.apply_async(copy_file,args=(queue,file_name,old_folder_name,new_folder_name))
  
           # 7、关闭进程池以及等待进程池的结束
           po.close()
           # po.join()
          
           # 主进程显示进度
           copy_success_num = 0
           while True:
                  file_name = queue.get()
                  copy_success_num += 1
                  print("拷贝的进度为：%.f %%"%(copy_success_num*100/len(file_names)))
  
                  if copy_success_num >= len(file_names):
                       break
  
  
  if __name__ == '__main__':
            """调用主函数"""
            main()
  

  提示：在有进程池 Pool的程序中，如果要加队列 Queue就能再用 multiprocessing.Queue()而是要用multiprocessing.Manager().Queue()来创建Queue