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