‫‪ Multi Proccessing‬رنامه نویسی چند پردازشی‬

‫چند پردازش در پایتون‬

‫‪.‬این مقاله مقدمه ای مختصر و خالصه در مورد چند پردازش در زبان برنامه نویسی پایتون است‬

‫چند پردازش چیست؟‬

‫چند پردازش به توانایی یک سیستم برای حمایت از بیش از یک پردازنده در یک زمان اشاره دارد‪ .‬برنامه های کاربردی در یک‬
‫سیستم چند پردازشی به روش های کوچکتر که به صورت مستقل اجرا می شوند‪ ،‬شکسته می شوند‪ .‬سیستم عامل این موضوعات‬
‫‪.‬را به پردازنده ها برای بهبود عملکرد سیستم اختصاص می دهد‬

‫چرا چند پردازشی؟‬

‫یک سیستم کامپیوتری را با یک پردازنده واحد در نظر بگیرید‪ .‬اگر چندین فرآیند در یک زمان اختصاص داده شود‪ ،‬باید هر کار‬
‫‪.‬را مختل کرده و به طور مختصر به یکدیگر متصل شود تا تمامی فرآیندها را ادامه دهد‬
‫این وضعیت درست مثل آشپز است که در آشپزخانه تنها کار می کند‪ .‬او باید چندین کار را انجام دهد مانند پخت‪ ،‬تکان دادن‪،‬‬
‫خمیر خمیر‪ ،‬و غیره‬
‫بنابراین اصل بر این است‪ :‬وظایف بیشتری که شما باید در یک بار انجام دهید‪ ،‬سخت تر می شود تا همه آنها را پیگیری کنید و‬
‫!تخصیص زمان را برای هر پردازش تبدیل به یک چالش می کند‪ .‬در اینجاست که مفهوم چند پردازش ایجاد می شود‬
‫‪:‬یک سیستم چند پردازشی میتواند شامل‬
‫‪‬‬ ‫‪.‬چند پردازنده‪ ،‬یعنی یک رایانه با بیش از یک پردازنده مرکزی‬
‫‪‬‬ ‫‪.‬پردازنده چند هسته ای‪ ،‬به عنوان مثال یک مولفه محاسباتی با دو یا چند واحد پردازش واقعی مستقل (به نام “هسته”)‬
‫‪.‬به راحتی می تواند چندین وظیفه را یک بار انجام دهد و هر کار را با استفاده از پردازشگر خود انجام می دهد ‪ CPU‬در اینجا‬

‫این دقیقا همان چیزی است که سرآشپز بهش نیاز دارد یعنی دستیارانی که در آشپزی به وی کمک می کنند‪ .‬در حال حاضر‪ ،‬آنها‬
‫‪.‬می توانند وظایف خود را تقسیم کنند و سرآشپز نیاز به تغییر بین وظایف خود ندارد‬

‫چند پردازش در پایتون‬

‫‪.‬بسیار ساده و بصری برای تقسیم کار بین فرآیندهای چندگانه است ‪ API‬در پایتون‪ ،‬ماژول چند پردازشی شامل‬
‫‪:‬اجازه دهید ما یک مثال ساده را با استفاده از ماژول چند پردازش در نظر بگیریم‬

‫‪# importing the multiprocessing module‬‬

‫‪import multiprocessing‬‬

‫‪def print_cube(num):‬‬

‫‪#function to print cube of given num‬‬

‫))‪print("Cube: {}".format(num * num * num‬‬

‫‪def print_square(num):‬‬

‫‪#function to print square of given num‬‬

‫))‪print("Square: {}".format(num * num‬‬
 ‫‪if __name__ == "__main__":‬‬
‫‪# creating processes‬‬
‫)) ‪p1 = multiprocessing.Process(target=print_square, args=(10,‬‬
‫)) ‪p2 = multiprocessing.Process(target=print_cube, args=(10,‬‬

‫‪# starting process 1‬‬

‫)(‪p1.start‬‬
‫‪# starting process 2‬‬
‫)(‪p2.start‬‬

‫‪# wait until process 1 is finished‬‬

‫)(‪p1.join‬‬
‫‪# wait until process 2 is finished‬‬
‫)(‪p2.join‬‬

‫‪# both processes finished‬‬

‫)"!‪print("Done‬‬

‫‪:‬حال می خواهیم که قطعات کد باال را تفسیر کنیم‬

‫‪‬‬ ‫در بخش اول قطعه کد اضافه کردن کتابخانه را مشاهده می کنید که با دستور‬
‫‪import multiproccessing‬‬

‫‪.‬صورت می گیرد‬

‫‪‬‬ ‫‪:‬ایجاد می کنیم‪.‬که آرگومان های زیر را می گیرد ‪ Process‬برای ایجاد یک فرآیند‪ ،‬ما یک شیء از کالس‬

‫تابع باید توسط فرآیند اجرا شود ‪target:‬‬

‫استدالل هایی که به تابع هدف منتقل می شوندنکته‪ :‬سازنده فرایند‪ ،‬بسیاری از استدالل های دیگر را نیز اتخاذ می کند ‪args:‬‬
‫‪:‬که بعدا مورد بحث قرار می گیرد‪ .‬در مثال فوق‪ ،‬ما دو فرآیند با توابع هدف مختلف ایجاد کردیم‬
‫)) ‪p1 = multiprocessing.Process(target=print_square, args=(10,‬‬
‫)) ‪p2 = multiprocessing.Process(target=print_cube, args=(10,‬‬

‫‪‬‬ ‫صورت خواهد )(‪start‬استفاده می کنیم‪ ،‬که در واقع با متد ‪ Process‬برای شروع یک فرآیند‪ ،‬ما از روش شروع کالس‬
‫‪.‬گرفت‬
‫)(‪p1.start‬‬
‫)(‪p2.start‬‬

‫‪‬‬ ‫هنگامی که فرآیند شروع می شود‪ ،‬برنامه فعلی نیز اجرا می شود‪ .‬برای جلوگیری از اجرای برنامه فعلی تا زمانی که فرایند‬
‫‪.‬کامل شود‪ ،‬از روش پیوست استفاده می کنیم‬
‫‪‬‬ ‫)(‪p1.join‬‬

‫)(‪p2.join‬‬

‫منتظر می ماند‪ .‬یکبار آنها را تکمیل می کنند‪ ،‬اظهارات بعدی برنامه ‪ P2‬و سپس ‪ P1‬در نتیجه‪ ،‬برنامه فعلی برای تکمیل‬
‫‪.‬فعلی اعدام می شوند‬
‫اجازه دهید برنامه دیگری را در نظر بگیریم تا مفهوم فرآیندهای مختلفی که در همان اسکریپت پایتون در حال اجرا هستند را‬
‫‪:‬درک کنیم‪ .‬در این مثال زیر‪ ،‬شناسه فرآیندهای اجرا شده در توابع هدف را چاپ می کنیم‬
 # importing the multiprocessing module
import multiprocessing
import os

def worker1():
# printing process id
print("ID of process running worker1: {}".format(os.getpid()))

def worker2():
# printing process id
print("ID of process running worker2: {}".format(os.getpid()))

if __name__ == "__main__":
# printing main program process id
print("ID of main process: {}".format(os.getpid()))

# creating processes
p1 = multiprocessing.Process(target=worker1)
p2 = multiprocessing.Process(target=worker2)

# starting processes
p1.start()
p2.start()

# process IDs
print("ID of process p1: {}".format(p1.pid))
print("ID of process p2: {}".format(p2.pid))

# wait until processes are finished

p1.join()
p2.join()

# both processes finished

print("Both processes finished execution!")

# check if processes are alive

print("Process p1 is alive: {}".format(p1.is_alive()))
print("Process p2 is alive: {}".format(p2.is_alive()))

‫خروجی قطعه کد باال‬:

ID of main process: 28628

ID of process running worker1: 29305
ID of process running worker2: 29306
ID of process p1: 29305
ID of process p2: 29306
Both processes finished execution!
Process p1 is alive: False
Process p2 is alive: False

 ‫اسکریپت اصلی پایتون یک شناسه فرآیند متفاوت دارد و ماژول چند پردازش فرایندهای جدید با شناسه های فرایند مختلف‬
‫ همانطور که ما اشیای فرآیند‬،‫ را ایجاد می کند‬p1 ‫ و‬p2 ‫ از تابع‬،‫ در برنامه فوق‬.‫ را ایجاد می کنیم‬os.getpid () ‫برای‬
‫دریافت شناسه فرآیند در حال اجرا تابع هدف فعلی استفاده می کنیم‬.
 ‫‪ Process‬از کالس ‪ pid‬مطابقت می دهیم که با استفاده از ویژگی ‪ p2‬و ‪ p1‬توجه داشته باشید که آن را با شناسه های فرایند‬
‫‪.‬به دست می آید‬
‫‪‬‬ ‫‪.‬هر فرآیند به طور مستقل اجرا می شود و فضای حافظه خود دارد‬
‫‪‬‬ ‫استفاده ‪ Process‬از کالس ‪ is_alive‬به محض اجرای تابع هدف‪ ،‬پردازش ها خاتمه می یابد‪ .‬در برنامه فوق‪ ،‬از روش‬
‫‪.‬کردیم تا بررسی کنیم که آیا یک فرایند هنوز فعال است یا نه‬
‫‪:‬نمودار زیر را در نظر بگیرید تا ببینید چگونه فرآیندهای جدید متفاوت از اسکریپت اصلی پایتون هستند‬

‫‪properties‬قبلی‬

‫‪ Multi Threading‬بعدیبرنامه نویسی چند نخی‬