python实现通过队列完成进程间的多任务功能示例

本文实例讲述了python实现通过队列完成进程间的多任务功能。分享给大家供大家参考，具体如下：

1.通过队列完成进程间的多任务

import multiprocessing

def download_data(q):
 """下载数据"""
 # 模拟从网上下载数据
 data = [11, 22, 33, 44]

# 向队列中写入数据
 for temp in data:
   q.put(temp)
 print("----数据下载完成并且已存入队列----")

def analysis_data(q):
 """数据处理"""
 waitting_analysis_data = list()
 # 从队列中获取数据
 while True:
   data = q.get()
   waitting_analysis_data.append(data)
   if q.empty():
     break
 print(waitting_analysis_data)

def main():
 # 1.创建一个队列
 q = multiprocessing.Queue()
 q1 = multiprocessing.Process(target=download_data, args=(q,))
 q2 = multiprocessing.Process(target=analysis_data, args=(q,))
 q1.start()
 q2.start()

if __name__ == '__main__':
 main()

2.进程池pool

在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，我们就需要去创建成千上万个进程么？首先，创建进程需要消耗时间，销毁进程也需要消耗时间。第二即便开启了成千上万的进程，操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢？

在这里，要给大家介绍一个进程池的概念，定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。

案例：

from multiprocessing import Pool
import os, time, random

def worker(msg):
 t_start = time.time()
 print("进程％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("进程",msg,"执行完成,耗时％0.2f" ％ (t_stop-t_start))

def main():
 # 定义一个进程池，最大进程数为3
 po = Pool(3)
 for i in range(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不再接受新的请求
 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----")

if __name__ == '__main__':
 main()

希望本文所述对大家Python程序设计有所帮助。

来源：https://blog.csdn.net/weixin_44321116/article/details/97243803