
在许多实际应用场景中,我们可能面临这样的问题:一个核心计算任务(例如,复杂的科学模拟、数据分析或模型训练)需要长时间运行,可能耗时数小时甚至更久才能得出结果。与此同时,应用程序的另一部分却需要以高频率(例如,每秒或每几秒)提供反馈或进行操作,而这些操作依赖于核心计算的结果。
如果采用传统的顺序执行方式,实时任务将不得不等待耗时计算完成,这将导致长时间的停滞,无法满足实时性要求。例如,假设我们有两个函数:
如果 Sum 函数直接依赖 Calculate_a 的同步调用,那么 Sum 必须等待5小时才能获得 a 的初始值,更不用说后续的更新。这显然不符合“每5秒输出结果”的要求。核心问题在于,如何在 Calculate_a 正在进行其漫长计算时,Sum 能够持续地使用 a 的“旧”值,并在 Calculate_a 完成并提供“新”值时,立即切换到新值。
为了解决上述问题,我们需要将耗时计算与实时输出任务解耦,让它们并行运行。Python的multiprocessing模块是实现这一目标的强大工具。它允许我们将不同的任务分配到独立的操作系统进程中执行,每个进程拥有独立的内存空间,从而避免了全局解释器锁(GIL)对CPU密集型任务的限制。
立即学习“Python免费学习笔记(深入)”;
然而,仅仅将任务放入不同的进程是不够的,因为它们需要共享数据(即 a 的值)。这时,multiprocessing.Manager就派上用场了。Manager提供了一种方式来创建可以在不同进程间共享的Python对象,例如列表、字典或自定义命名空间(Namespace)。通过Manager.Namespace,我们可以创建一个共享的命名空间对象,其中包含我们的变量a,一个进程可以更新它,而另一个进程可以读取它。
下面是一个具体的Python代码示例,演示了如何使用multiprocessing和Manager来解决这个问题。为了方便演示,我们将“5小时”的计算时间缩短为15秒,并将“每5秒”的输出频率保持不变。
import time
import random
from multiprocessing import Process, Manager
def calculate_a_once(manager_namespace, x, y, z, t):
"""
模拟Function 1:执行一次耗时较长的计算并更新结果a。
为了演示,将5小时的计算时间缩短为15秒。
"""
print(f"Function 1 (Calculate_a) started. Simulating a long calculation for 'a' (approx 15 seconds)...")
# 模拟基于 x, y, z, t 的复杂计算逻辑
time.sleep(15) # 模拟5小时的计算时间
new_a = random.randint(100, 200) # 假设这是计算出的新值
manager_namespace.a = new_a # 将新值更新到共享命名空间
print(f"Function 1: Calculation finished. Updated 'a' to {new_a}")
def sum_ab_continuously(manager_namespace, b_value):
"""
模拟Function 2:每5秒钟打印一次a+b的和。
它会持续使用manager_namespace中当前的'a'值。
"""
print(f"Function 2 (Sum_ab) started. Will output sum every 5 seconds.")
while True:
try:
# 尝试从共享命名空间获取当前的'a'值
current_a = manager_namespace.a
s = current_a + b_value
print(f"Function 2: Current a = {current_a}, b = {b_value}, Sum (s) = {s}")
except AttributeError:
# 如果 'a' 尚未被 Function 1 初始化(理论上不会发生,因为我们在主进程中预设了初始值)
print("Function 2: Warning - 'a' not yet available in shared namespace. Using default/initial value for calculation.")
current_a = 0 # 备用或初始值
s = current_a + b_value
print(f"Function 2: Current a (default) = {current_a}, b = {b_value}, Sum (s) = {s}")
time.sleep(5) # 每5秒钟输出一次结果
if __name__ == '__main__':
# 1. 创建一个Manager实例
manager = Manager()
# 2. 从Manager获取一个共享的Namespace对象
global_ns = manager.Namespace()
# 3. 初始化 'a' 的“旧结果”或默认值
# 这是关键一步,确保Function 2在Function 1完成计算前有值可用。
initial_a = 10
global_ns.a = initial_a
print(f"Main: Initial 'a' set to {initial_a}. Function 2 will use this value initially.")
# Function 1 的参数 (这里使用虚拟值)
x_val, y_val, z_val, t_val = 1, 2, 3, 4
# Function 2 的参数
b_val = 5
# 4. 创建并启动Function 1的进程
p1 = Process(target=calculate_a_once, args=(global_ns, x_val, y_val, z_val, t_val))
p1.start()
# 5. 创建并启动Function 2的进程
p2 = Process(target=sum_ab_continuously, args=(global_ns, b_val))
p2.start()
# 主进程等待子进程p1完成其长时间计算
try:
p1.join() # 等待p1进程结束
print("Main: Function 1 (Calculate_a) process has finished its long calculation.")
# p2 会继续运行,并使用p1更新后的新'a'值
# 为了演示,让p2在新'a'值下运行一段时间后终止
print("Main: Letting Function 2 run for another 30 seconds with the new 'a' value...")
time.sleep(30)
p2.terminate() # 强制终止p2进程
p2.join() # 确保p2进程完全终止
print("Main: Function 2 (Sum_ab) process terminated.")
except KeyboardInterrupt:
print("\nMain: KeyboardInterrupt detected, terminating processes...")
p1.terminate() # 终止p1
p2.terminate() # 终止p2
p1.join()
p2.join()
print("Main: Processes terminated gracefully.")以上就是如何利用Python多进程实现长时间计算与实时结果展示的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号