简单实现python多进程

在处理特别大的数据的时候，尤其是多重循环。例如对2万个基因进行一个计算，每个基因的计算需要进行1亿次比较。仅仅使用一个主进程进行计算就显得十分吃力；于是学习了python多进程的的处理，极大的缩短了脚本的运行时间。

• 首先根据进程数，来分配任务
• 将所有的进程加入进程池
• 启动多个进程任务时，阻塞当前主进程
• 待多进程任务完成后，在主进程中将结果输出

分配任务

• ProcessNum从命令行从获取进程数
• 根据进程数，平均分配任务给每个进程；最后一个进程负责除不尽的任务
• p.apply_async给每个进程指定调用的函数和参数
• p.close()所有进程任务指定完毕，开始执行进程任务
• p.join()阻塞主进程，等待子进程任务完成

import multiprocessing
with open(args.AS, 'r') as File:
    data = File.readlines()
    ProcessNum = int(args.p)
    average = int(len(data)/ProcessNum)
    p = multiprocessing.Pool(16)
    for processId in range(0, ProcessNum):
        if processId == ProcessNum-1:
            start = processId*average
            end = len(data)
        else:
            start = processId*average
            end = (processId+1)*average
        out.append(p.apply_async(mulProcessPSI,
                                 (data[start:end], processId+1)))
    p.close()
    p.join()

获取进程结果

• out数组中存着每个进程计算的结果
• get()对每个进程调用get方法获得结果

with open(args.o, 'w') as File:
    for result in out:
        for item in result.get():
            File.write(item)

仍需学习的

• 多个进程进行文件写入时，涉及谁先写，谁后写的问题；需要使用到文件锁
• 进程间通信问题
• 内存溢出问题，多个进程的结果合并后太大了

参考

1. https://zhuanlan.zhihu.com/p/64702600
2. https://www.cnblogs.com/jiangfan95/p/11439207.html