AI实践：如何应用多进程Multiprocessing编程?

multiprocessing和threading：

多线程 threading：计算机同一时间还是只能处理一个线程

多核 multiprocessing：现在计算机都有多核处理器，将任务分给多个核来处理，他们有单独的运算空间和计算能力，避免了多线程的劣势。

导入包：

定义一个被线程和进程调用的函数

创建进程和线程

Queue功能：

Queue的功能是将每个核或线程的运算结果放在队里中， 等到每个线程或核运行完毕后再从队列中取出结果， 继续加载运算。原因很简单, 多线程调用的函数不能有返回值, 所以使用Queue存储多个线程运算的结果

定义一个被多线程调用的函数，q就像一个队列，用来保存每次函数运行的结果

主函数：

效率比较：多线程、多进程、普通的消耗时间;

实际时间对比：

运行时间是 多进程 < 普通 < 多线程

进程池就是我们将所要运行的东西，放到池子里，Python会自行解决多进程的问题。

导入包并定义函数：

有了池子之后，就可以让池子对应某一个函数，向池子里输入数据，池子就会返回函数返回的值。

Pool和之前的Process的不同点是丢向Pool的函数有返回值，而Process的没有返回值。

接下来用map()获取结果，在map()中需要放入函数和需要迭代运算的值，然后它会自动分配给CPU所有核，返回结果。

除了map()函数，Pool还有apply_async()函数可以返回结果。apply_async()中只能传递一个值，只会放入一个核进行运算，传入值时要注意是可迭代的，所以在传入值后需要加逗号。

如何用apply_async()输出多个迭代呢？多传入几个值试试~

合并代码：

可以看出在apply用迭代器的得到的结果和用map得到的结果是一样的

总结

1. Pool默认调用是CPU的核数，传入processes参数可自定义CPU核数

2. map() 放入迭代参数，返回多个结果

3. apply_async()只能放入一组参数，并返回一个结果，如果想得到map()的效果需要通过迭代。

只有用共享内存才能让CPU之间有交流。

Shared Value:(多线程中global value）

多进程，即使传入global 变量，多进程中也无法交流，我们可以通过使用Value数据存储在一个共享的内存表中。

Shared Array:（仅仅是一个一维列表）

这里的Array和numpy中的不同，它只能是一维的，不能是多维的。

同样和Value 一样，需要定义数据形式，否则会报错。

参考数据形式

各参数代表的数据类型

进程锁的运用:使进程之间不会互相干扰

不加进程锁

在上面的代码中，我们定义了一个共享变量v，两个进程都可以对它进行操作。 在job()中我们想让v每隔0.1秒输出一次累加num的结果，但是在两个进程p1和p2 中设定了不同的累加值。所以接下来让我们来看下这两个进程是否会出现冲突。

运行一下：

145891213161720

我们可以看到，进程1和进程2在相互抢着使用共享内存v。

加进程锁

为了解决上述不同进程抢共享资源的问题，我们可以用加进程锁来解决。

首先需要定义一个进程锁

然后将进程锁的信息传入各个进程中

在job()中设置进程锁的使用，保证运行时一个进程的对锁内内容的独占

完整代码：

运行一下，让我们看看是否还会出现抢占资源的情况：

12345811141720

显然，进程锁保证了进程p1的完整运行，然后才进行了进程p2的运行

参考自：莫烦python https://morvanzhou.github.io/tutorials/python-basic/multiprocessing/