文章目录

进程以及状态
- 进程
- 进程的状态
- linux下的进程管理
- - ps
  - top
  - bg
  - kill
  - crontab
进程的创建
- 两个while同时运行示例
- 获取进程pid
- Process 结构
- 给子进程指定的函数传递参数
- 进程间是否共享全局变量
- 补充
进程间通信-Queue
- 常用操作
- Queue 实例
管道通信（了解）
- 样例
进程池 Pool
- 进程池中的Queue
示例：文件夹 copy 器（多进程）

进程以及状态

进程

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。（资源包括：Cpu，内存，文件，socket 对象，等等）

进程的状态

在这里插入图片描述
操作系统内核实际上采用时间片轮转的方式进行调控进程的运行，也就是在内核分配中，实际上是存在进程队列和睡眠队列，前者好比程序运行了一个时间片就移到下一个进程周期中，然后到达下一个进程周期时，进行重新分配时间片后，再接着运行，而在进程运行的时候，如果发现需要等待条件（如input）的时候，就将这个进程调入睡眠队列。

R 状态运行
S 状态睡眠

常用的查看进程状态的命令：top ps（下文会详细介绍）

而对于ps来说，看到 R 状态是两次采样之间的一个时间片变化分析计算，并不意味着他是处于运动状态，意思是他在一个时间片（两次采样）之间存在运动状态

linux下的进程管理

常用的相关指令：

命令	含义
ps	查看系统中的进程
top	动态显示系统中的进程
kill	向进程发送信号（包括后台进程）
crontab	用于安装删除或者列出用于驱动cron后台进程的任务
bg	将挂起的进程放到后台执行

备注：

cat /proc/cpuinfo 查看 Linux 的 cpu 的核数
进程 process：是 os 的最小单元 os 会为每个进程分配大小为 4g 的虚拟内存空间，其中1g 给内核空间 3g 给用户空间｛代码区数据区堆栈}
python main.py & 让进程在后台运行

ps

ps –elf 可以显示父子进程关系，基本上用这个就可以了，加上|grep 进行筛选相关的想查看的进程

在这里插入图片描述
补充：

进程的状态包括四种：S 睡眠（input） T 暂停（ctrl+z，单步调试）R 运行（正常python运行） Z僵尸

top

top 显示前 20 条进程，动态的改变，按 q退出

运行出来是这样子的

top - 16:24:25 up 284 days, 4:59, 1 user, load average: 0.10, 0.05, 0.01
Tasks: 115 total, 1 running, 114 sleeping, 0 stopped, 0 zombie
Cpu(s): 0.1%us, 0.0%sy, 0.0%ni, 99.8%id, 0.0%wa, 0.0%hi, 0.1%si, 0.0%st
Mem: 4074364k total, 3733628k used, 340736k free, 296520k buffers
Swap: 2104504k total, 40272k used, 2064232k free, 931680k cached
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
11836 root 15 0 2324 1028 800 R 0.3 0.0 0:00.02 top
27225 root 25 0 1494m 696m 11m S 0.3 17.5 2304:03 java
1 root 18 0 2072 620 532 S 0.0 0.0 7:04.48 init

下面介绍一下是什么意思：

第一行：

16:24:25 当前时间
up 284 days, 4:59 系统启动时间
1 user 当前系统登录用户数目

# 重要
load average: 0.10, 0.05, 0.01 平均负载（1 分钟,10 分钟,15 分钟）

平均负载（load average）,一般对于单个 cpu 来说，负载在 0～1.00 之间是正常的，超过 1.00 须引起注意。在多核 cpu 中，系统平均负载不应该高于 cpu 核心的总数太多

第二行：

115 total 进程总数、
1 running 运行进程数、
114 sleeping 休眠进程数、
0 stopped 终止进程数、
0 zombie 僵死进程数

第三行：

# 重要 用户空间实际上就是比如我们采用for循环的打印这类的，在端口上打印数据之类的操作
0.1%us %us 用户空间占用 cpu 百分比；

# 重要 内核空间大部分在于调用资源的占比 也就是在Flood DDos攻击下主要攻击的地方
0.0%sy %sy 内核空间占用 cpu 百分比；

0.0%ni %ni 用户进程空间内改变过优先级的进程占用 cpu 百分比；

# 重要 
99.8%id %id 空闲 cpu 百分比，反映一个系统 cpu 的闲忙程度。越大越空闲；

0.0%wa %wa 等待输入输出（I/O）的 cpu 百分比；
0.0%hi %hi 指的是 cpu 处理硬件中断的时间；
0.1%si %si 值的是 cpu 处理软件中断的时间；
0.0%st %st 用于有虚拟 cpu 的情况，用来指示被虚拟机偷掉的 cpu 时间。

第四行（Mem）：

4074364k total total 总的物理内存；
3733628k used used 使用物理内存大小；
340736k free free 空闲物理内存；
296520k buffers buffers 用于内核缓存的内存大小

查看系统内存占用情况也可以使用free命令

第五行（Swap）：

2104504k total total 总的交换空间大小；
40272k used used 已经使用交换空间大小；
2064232k free free 空间交换空间大小；
931680k cached cached 缓冲的交换空间大小

然后下面就是和 ps 相仿的各进程情况列表了
第六行：

PID 进程号
USER 运行用户
PR 优先级，PR(Priority)优先级
NI 任务 nice 值
VIRT 进程使用的虚拟内存总量，单位 kb。VIRT=SWAP+RES
RES 物理内存用量
SHR 共享内存用量
S 该进程的状态。其中 S 代表休眠状态；D 代表不可中断的休眠状态；R 代表运行状态；Z 代表僵死状态；T 代表停止或跟踪状态
%CPU 该进程自最近一次刷新以来所占用的 CPU 时间和总时间的百分比
%MEM 该进程占用的物理内存占总内存的百分比
TIME+ 累计 cpu 占用时间
11.COMMAND 该进程的命令名称，如果一行显示不下，则会进行截取。内存中的进程会有一个完整的命令行。

bg

bg 让暂停的进程在后台运行
fg 拉到前台
jobs 看后台任务

$ python main.py
^Z
[1]+   已停止     main.py

$ jobs
[1]+   已停止     main.py

$ python main.py &
[2] 4616 

$ jobs
[1]+   已停止     python main.py
[2]-   运行中     python main.py & 

# bg就是让这里通过ctrl+z暂停执行的代码重新后台跑起来 1是对应的这个id号
$ bg 1  
[1]+  python main.py &

$ jobs
[1]+   运行中     python main.py &
[2]-   运行中     python main.py & 

# 实际上就是把后台运行的代码，拉到前台运行
$ fg 2
python main.py &

kill

kill -l 查看系统的所有信号
kill -9 进程号表示向某个进程发送 9 号信号，从而杀掉某个进程

利用 pkill -f a 可以杀死进程名为 a 的进程,如果有空格，用\转义
pkill -f python\ 1.while 死循环.p

crontab

crontab –e 设置当前用户定时任务
vim /etc/crontab 设置定时任务
crontab -l 查看当前自己设置的定时任务

详细见：链接

进程的创建

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

两个while同时运行示例

from multiprocessing import Process
import time

def run_proc():
	"""子进程要执行的代码"""
	while True:
		print("----2----")
		time.sleep(1)

if __name__=='__main__':
	p = Process(target=run_proc)
	p.start()
	while True:
		print("----1----")
		time.sleep(1)

对于这个程序来说，实际上是先python运行得到一个父进程，然后这个父进程通过process生成一个子进程，然后两个进程之间相互时间片轮转运行。

获取进程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()

获取父亲的 pid ： os.getppid() # 多个p
而对父进程的使用os.getppid()，得到的pid是bash（命令行的pid）

Process 结构

Process(group , target , name , args , kwargs)
• target：如果传递了函数的引用，可以让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，keyword 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，或等待多少秒回收子进程尸体，实际上这个很重要。
•== 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：
• pid：当前进程的 pid（进程号）

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__':
	# 这边是关键 args 和 kwargs
	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()

进程间是否共享全局变量

from multiprocessing import Process
import os
import time

nums = [11, 22]

def work1():
	"""子进程要执行的代码"""
	print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))
	for i in range(3):
		nums.append(i)
		time.sleep(1)
		print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))

def work2():
	"""子进程要执行的代码"""
	print("in process2 pid=%d ,nums=%s" % (os.getpid(), nums))

if __name__ == '__main__':
	p1 = Process(target=work1)
	p1.start()
	p1.join()
	p2 = Process(target=work2)
	p2.start()

好好理解一下，实际上对于num参数来说，创建子进程的时候会复制一份父进程的资源，而二者的资源独立使用，对于num是何值，取决于创建子进程的那一瞬间父进程的该项资源是什么值。

补充

孤儿进程 — 子进程在运行，父进程先执行结束完退出，此时通过ps
-elf|grep 程序名称进行查看，发现父进程进入等待wait状态，子进程在运行，然后此时kill 杀死父进程，子进程变为孤儿进程。（定义：孤儿进程是指其父进程已经结束或者失去了对该进程的控制权，而该进程仍然在运行的情况下，被称为孤儿进程。，但是对于python程序来说，当孤儿进程出现的时候，linux内核会将这个孤儿进程的父亲pid弄成1，也就是开机进程，此时此孤儿进程结束之后，资源就由开机进程回收）
僵尸进程 — 子进程退出，父进程在忙碌，没有回收它，要避免僵尸，Python 进程变为僵尸进程后，名字会改变（所以如果想要查看僵尸进程的时候，就需要查找对应进程的的pid，或者直接ps -elf直接翻）
并不能通过kill的方法杀死僵尸进程，原因就在于，实际上我们kill实现的功能就是通过将这个进程变成僵尸进程，然后父亲进程马上就会回收子进程的资源，也就是此时这个僵尸进程就会马上消失，所以想要杀死一个僵尸进程，就不能让父亲进程时刻处于忙碌状态。

进程间通信-Queue

常用操作

常用操作	说明
q = Queue(number)	括号中指定的数据是这个队列最大能容纳多少条的信息，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，然后将其从队列中移除，block 默认值为 True
Queue.get_nowait()	相当 Queue.get(block=False)
Queue.put(item,[block[, timeout]])	将 item 消息写入队列，block 默认值为True
Queue.put_nowait(item)	相当 Queue.put(item, False）

对于Queue.get([block[, timeout]])中：
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。
对于Queue.put(item,[block[, timeout]])：
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，则会立刻抛抛出"Queue.Full"异常；

Queue 实例

from multiprocessing import Process, Queue
import time
def writer(q):
    for value in ['A', 'B', 'C']:
        print('Put %s to queue...' % value)
        q.put(value)
        time.sleep(1)

def reader(q:Queue):
    while True:
        if not q.empty():
            value = q.get(True)
            print('Get %s from queue.' % value)
            time.sleep(2)
        else:
            break

if __name__ == '__main__':
    q=Queue(10)
    pw=Process(target=writer,args=(q,)) #一个元素必须加逗号，才是元组
    pr=Process(target=reader,args=(q,))
    pw.start()
    time.sleep(1)
    pr.start()
    pw.join()
    pr.join()

管道通信（了解）

此模块参考链接

Pipe 常用来实现 2 个进程之间的通信，这 2 个进程分别位于管道的两端，一端用来发送数据，另一端用来接收数据。使用 Pipe 实现进程通信，首先需要调用 multiprocessing.Pipe() 函数来创建一个管道。

conn1, conn2 = multiprocessing.Pipe( [duplex=True] )

其中，conn1 和 conn2 分别用来接收 Pipe 函数返回的 2 个端口；duplex 参数默认为True，表示该管道是双向的，即位于 2 个端口的进程既可以发送数据，也可以接受数据，而如果将 duplex 值设为 False，则表示管道是单向的，conn1 只能用来接收数据，而 conn2只能用来发送数据。

样例

from multiprocessing import Pipe, Process


def son_process(x, pipe):
    _out_pipe, _in_pipe = pipe

    # 关闭fork过来的输入端
    _in_pipe.close()
    while True:
        try:
            msg = _out_pipe.recv()
            print(msg)
        except EOFError:
            # 当out_pipe接受不到输出的时候且输入被关闭的时候，会抛出EORFError，可以捕获并且退出子进程
            break


if __name__ == '__main__':
    out_pipe, in_pipe = Pipe(True)
    son_p = Process(target=son_process, args=(100, (out_pipe, in_pipe)))
    son_p.start()

    # 等 pipe 被 fork 后，关闭主进程的输出端
    # 这样，创建的Pipe一端连接着主进程的输入，一端连接着子进程的输出口
    out_pipe.close()
    for x in range(1000):
        in_pipe.send(x)
    in_pipe.close()
    son_p.join()
    print "主进程也结束了"

为什么上面

当主进程创建Pipe的时候，Pipe的两个Connections连接的都是主进程；
当主进程创建子进程后，Connections被拷贝了一份，此时一共有2（主进程）+ 2（子进程）= 4 个Connections；
随后，我们关闭主进程中的 out_connection 和子进程中的 in_connection 端口，即可建立一条主进程通往子进程的管道了；

在这里插入图片描述
4. 由于Pipe之间的通信时通过，in_conn.send()、out_conn.recv() 这种方式进行通信的，因此如果当某一方调用了 .recv() 函数但一直没有另外的端口使用 .send() 方法的话，recv() 函数就会阻塞住。为了避免程序阻塞，我们在明确另一个端口不会再调用 .send() 函数后可以直接将发送端口给 close()，这样以来如果接收端还在继续调用 .recv() 方法的话程序就会抛出 EOFError 的异常

进程池 Pool

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（一般和CPU的核数相关一倍到两倍之间），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

from multiprocessing.pool import Pool
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))

if __name__ == '__main__':
	po = Pool(3) # 定义一个进程池，最大进程数 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祖,))
		# 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----")
	po.close() # 关闭进程池，关闭后 po 不再接收新的请求
	po.join() # 等待 po 中所有子进程执行完成，必须放在 close 语句之后
	print("-----end-----")

常用函数解析：

常用函数	说明
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

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

给一个使用进程池时，进程间如何通信的例子：

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 "helloworld":
		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()

示例：文件夹 copy 器（多进程）

import multiprocessing
import os
import time
import random

def copy_file(queue, file_name,source_folder_name, dest_folder_name):
	"""copy 文件到指定的路径"""
	f_read = open(source_folder_name + "/" + file_name, "rb")
	f_write = open(dest_folder_name + "/" + file_name, "wb")
	while True:
		time.sleep(random.random())
		content = f_read.read(1024)
		if content:
			f_write.write(content)
		else:
			break
	f_read.close()
	f_write.close()
	# 发送已经拷贝完毕的文件名字
	queue.put(file_name)
	
def main():
	# 获取要复制的文件夹
	source_folder_name = input("请输入要复制文件夹名字:")
	# 整理目标文件夹
	dest_folder_name = source_folder_name + "[副本]"
	# 创建目标文件夹
	try:
		os.mkdir(dest_folder_name)
	except:
		pass # 如果文件夹已经存在，那么创建会失败
	# 获取这个文件夹中所有的普通文件名
	file_names = os.listdir(source_folder_name)
	# 创建 Queue
	queue = multiprocessing.Manager().Queue()
	# 创建进程池
	pool = multiprocessing.Pool(3)
	for file_name in file_names:
		# 向进程池中添加任务
		pool.apply_async(copy_file, args=(queue, file_name, source_folder_name, dest_folder_name))
		
	# 主进程显示进度
	pool.close()
		
	all_file_num = len(file_names)
	while True:
		file_name = queue.get()
		if file_name in file_names:
			file_names.remove(file_name)
			
		copy_rate = (all_file_num-len(file_names))*100/all_file_num
		print("\r%.2f...(%s)" % (copy_rate, file_name) + " "*50, end="")
		if copy_rate >= 100:
			break
	print()


if __name__ == "__main__":
	main()