Day 25：【99天精通Python】多进程编程

Day 25：【99天精通Python】多进程编程 - 榨干CPU的每一滴性能

前言

欢迎来到第25天！

在昨天（多线程）的课程中，我们发现了一个令人沮丧的事实：由于 GIL（全局解释器锁）的存在，Python 的多线程在处理CPU密集型任务（如复杂的数学计算、视频转码、图像处理）时，并没有起到加速作用，甚至可能因为上下文切换而变得更慢。

今天，我们要打破这个枷锁。多进程 (Multiprocessing)允许我们启动多个独立的 Python 解释器进程。每个进程都有自己独立的 GIL 和内存空间，它们可以运行在不同的 CPU 核心上，真正实现并行计算。

如果说多线程是"一个工厂里招了多个工人"（还是只有一个车间主任指挥），那么多进程就是"开了好几个分厂"。

本节内容：

进程与线程的区别回顾
multiprocessing模块基础
为什么必须写if __name__ == '__main__':
进程间通信 (Queue)
进程池 (Pool) 的高效使用
实战练习：多核并行计算素数

一、多进程基础：Process 类

Python 的multiprocessing模块提供了与threading类似的 API，上手非常容易。

1.1 启动一个进程

importmultiprocessingimporttimeimportosdeftask(name):# os.getpid() 获取当前进程ID# os.getppid() 获取父进程IDprint(f"进程{name}启动 (PID:{os.getpid()}, 父PID:{os.getppid()})")time.sleep(2)print(f"进程{name}结束")if__name__=='__main__':print(f"主进程启动 (PID:{os.getpid()})")# 创建进程p=multiprocessing.Process(target=task,args=("Worker-1",))# 启动p.start()# 等待结束p.join()print("主进程结束")

1.2 重要：Windows 下的注意事项

在 Windows 上使用多进程，必须将启动代码放在if __name__ == '__main__':之下。
原因：Windows 创建进程时会导入父模块，如果不加保护，会导致无限递归创建进程，程序直接崩坏。

二、数据隔离：进程之间不共享全局变量

这是多进程与多线程最大的区别。每个进程都有自己独立的内存空间。

importmultiprocessing# 全局变量money=100defchange_money():globalmoney money=0print(f"子进程修改后的 money:{money}")if__name__=='__main__':p=multiprocessing.Process(target=change_money)p.start()p.join()print(f"主进程的 money:{money}")# 结果依然是 100！子进程改的是它自己那份拷贝。

三、进程间通信 (IPC)

既然内存不共享，那进程间怎么传递数据呢？最常用的方式是队列 (Queue)。
注意：这里的 Queue 是multiprocessing.Queue，不是线程的queue.Queue。

frommultiprocessingimportProcess,Queuedefproducer(q):print("生产者：放入数据...")q.put("Hello")q.put("World")defconsumer(q):print("消费者：准备取数据...")print(q.get())print(q.get())if__name__=='__main__':# 创建一个共享队列q=Queue()p1=Process(target=producer,args=(q,))p2=Process(target=consumer,args=(q,))p1.start()p2.start()p1.join()p2.join()

四、进程池 (Pool)：批量管理进程

如果你有 100 个任务要处理，不可能启动 100 个进程（系统资源会耗尽）。通常我们会创建一个进程池，比如池子里有 4 个进程，它们轮流处理这 100 个任务。

4.1 使用 Pool.map (同步/简单)

frommultiprocessingimportPoolimporttimeimportosdefheavy_work(n):print(f"进程{os.getpid()}正在计算{n}^2")time.sleep(1)# 模拟耗时returnn*nif__name__=='__main__':# 创建包含 4 个进程的池# 默认不填则是 CPU 核心数withPool(4)asp:# map 会自动把任务分发给进程池，并收集结果results=p.map(heavy_work,range(10))print(f"计算结果:{results}")

4.2 使用 Pool.apply_async (异步/灵活)

如果不希望阻塞主进程，或者任务参数复杂，可以使用apply_async。

if__name__=='__main__':p=Pool(4)results=[]foriinrange(5):# 异步提交任务，返回一个 result 对象res=p.apply_async(heavy_work,args=(i,))results.append(res)p.close()# 禁止再提交新任务p.join()# 等待所有任务完成# 获取结果final_values=[res.get()forresinresults]print(final_values)

五、实战练习：多进程计算素数

让我们看看多进程在 CPU 密集型任务上到底有多强。
任务：计算 1 到 100,000 之间所有素数的个数。

importtimefrommultiprocessingimportPool,cpu_countdefis_prime(n):ifn<=1:returnFalseforiinrange(2,int(n**0.5)+1):ifn%i==0:returnFalsereturnTruedefcount_primes(start,end):count=0foriinrange(start,end):ifis_prime(i):count+=1returncountif__name__=='__main__':# 任务范围TOTAL_NUMS=200000# --- 单进程版本 ---start_t=time.time()result=count_primes(1,TOTAL_NUMS)print(f"单进程耗时:{time.time()-start_t:.2f}s, 结果:{result}")# --- 多进程版本 ---start_t=time.time()# 将任务拆分成 4 份 (假设 CPU 是 4 核)pool_size=4step=TOTAL_NUMS//pool_size ranges=[]foriinrange(pool_size):start=1+i*step end=1+(i+1)*step ranges.append((start,end))# ranges = [(1, 50000), (50001, 100000), ...]withPool(pool_size)asp:# starmap 支持传多个参数results=p.starmap(count_primes,ranges)total=sum(results)print(f"多进程耗时:{time.time()-start_t:.2f}s, 结果:{total}")

预期结果：
在多核 CPU 上，多进程版本的速度通常是单进程的 2-4 倍（取决于核心数）。

六、常见问题

Q1：进程是不是越多越好？

不是。

开销大：创建和销毁进程比线程消耗大得多。
上下文切换：如果进程数超过 CPU 核心数太多，CPU 就要频繁在进程间切换，反而降低效率。
最佳实践：进程池大小通常设置为cpu_count()或cpu_count() + 1。

Q2：进程间通信还有其他方式吗？

除了Queue，还有Pipe（管道，适合两个进程通信）、Manager（可以创建共享的列表、字典，但速度较慢）。

七、小结

关键要点：

CPU 密集型任务（计算）首选多进程。
I/O 密集型任务（网络）首选多线程。
多进程必须注意if __name__ == '__main__':保护。
进程间数据默认隔离，需通过Queue传递。

八、课后作业

文件搜索：编写一个多进程程序，在指定的文件夹（包含大量子文件夹）中搜索包含特定关键词的所有.txt文件。主进程负责汇总所有找到的文件路径。
图片缩略图生成：假设有一个文件夹里有 100 张高清大图。编写程序使用Process Pool并行地将它们缩小为 100x100 的缩略图。（提示：可以使用Pillow库处理图片，需先pip install pillow）。
多进程进度条：尝试实现一个功能，主进程显示一个总进度条，反映后台多个进程任务的整体完成情况（使用Queue或Manager传递进度）。