From 41df7e56c3e0443b6f42ea93770ea345ddffa3b1 Mon Sep 17 00:00:00 2001
From: vitaminB <575738467@qq.com>
Date: Wed, 29 May 2024 20:37:15 +0800
Subject: [PATCH] =?UTF-8?q?=E8=A7=A3=E5=86=B3issue#1008=EF=BC=8C=E8=A1=A5?=
 =?UTF-8?q?=E5=85=85=E5=85=B3=E4=BA=8E=E5=A4=9A=E8=BF=9B=E7=A8=8B=E7=9A=84?=
 =?UTF-8?q?=E7=A4=BA=E4=BE=8B?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 ...13\345\222\214\347\272\277\347\250\213.md" | 69 +++++++++++++++++++
 1 file changed, 69 insertions(+)

diff --git "a/Day01-15/13.\350\277\233\347\250\213\345\222\214\347\272\277\347\250\213.md" "b/Day01-15/13.\350\277\233\347\250\213\345\222\214\347\272\277\347\250\213.md"
index 2c93c14fe..1c31eab53 100755
--- "a/Day01-15/13.\350\277\233\347\250\213\345\222\214\347\272\277\347\250\213.md"
+++ "b/Day01-15/13.\350\277\233\347\250\213\345\222\214\347\272\277\347\250\213.md"
@@ -486,4 +486,73 @@ if __name__ == '__main__':
 ```
 
 比较两段代码的执行结果（在我目前使用的MacBook上，上面的代码需要大概6秒左右的时间，而下面的代码只需要不到1秒的时间，再强调一次我们只是比较了运算的时间，不考虑列表创建及切片操作花费的时间），使用多进程后由于获得了更多的CPU执行时间以及更好的利用了CPU的多核特性，明显的减少了程序的执行时间，而且计算量越大效果越明显。当然，如果愿意还可以将多个进程部署在不同的计算机上，做成分布式进程，具体的做法就是通过`multiprocessing.managers`模块中提供的管理器将`Queue`对象通过网络共享出来（注册到网络上让其他计算机可以访问），这部分内容也留到爬虫的专题再进行讲解。
+##### 上述例子的补充内容：
+这部分的代码中的p.start()在启动进程后就马上地开始运算，这样导致后续 start = time()开始记时的时候有部分进程实际已经计算了一些数据。实际的代码这样写没有什么问题，这样写的好处简单易懂，但为了严谨一些，我们可以用下面的思路来解决这个问题。
+
+我们先需要加入一些必要的库和说明
+psutil 用于访问系统详情和进程控制，用来显示一些cpu和进程的信息。
+Process 用于创建新的进程
+Event 是一个用于进程间通信的同步原语，可以设置信号状态为真，让所有阻塞等待这个事件的进程继续运行。
+思路：
+1.我们可以先初始化进程但不启动它们：创建每个进程后，将它们加入到进程列表中，但不立即调用 p.start()。
+2.接着设置一个全局的 Event：使用 Event 来控制所有进程的启动。所有进程将在 start_event.wait() 调用处阻塞，直到 start_event.set() 被调用。
+3.统一启动所有进程：在主进程中，首先设置好计时开始的点 start = time()，然后通过 start_event.set() 释放所有子进程的阻塞状态，允许它们开始执行。这样使得所有进程的任务同步开始计算。
+4.开始并同步所有进程：等待所有任务结束后，合并执行结果。
+
+代码中还加入查看每个进程任务所花费的用时和以及进程分配的cpu信息（这样保证不同进程都执行差不多的时间），同时也有最终总执行的时间。
+```python
+
+import psutil
+from multiprocessing import Process, Queue, Event
+from time import time,sleep
+
+def task_handler(curr_list, result_queue, start_event, cpu_id):
+    psutil.Process().cpu_affinity([cpu_id])  # 尝试设置CPU亲和性
+    start_event.wait()  # 等待从主进程发出的开始信号
+    start_time = time()  # 记录开始时间
+    total = sum(curr_list)
+    end_time = time()  # 记录结束时间
+    # 将结果和时间放入队列
+    result_queue.put((total, start_time, end_time, cpu_id))
 
+def main():
+    processes = []
+    number_list = [x for x in range(1, 100000001)]
+    result_queue = Queue()
+    start_event = Event()  # 创建一个事件用于同步开始计算
+    cpus = psutil.cpu_count(logical=False)  # 获取物理核心数
+    index = 0
+
+    # 创建并启动进程，尽量平均分配到不同的CPU核心上
+    for i in range(8):
+        cpu_id = i % cpus
+        p = Process(target=task_handler, args=(number_list[index:index + 12500000], result_queue, start_event, cpu_id))
+        index += 12500000
+        processes.append(p)
+        p.start()
+
+    # sleep(5)
+    start = time()
+
+    # 发送开始计算的信号
+    start_event.set()
+    
+    # 等待所有进程完成
+    for p in processes:
+        p.join()
+
+    # 计算完成，合并执行结果
+    total = 0
+    while not result_queue.empty():
+        subtotal, proc_start_time, proc_end_time, cpu_id = result_queue.get()
+        total += subtotal
+        # 正确打印每个进程的执行时间和所在CPU
+        print(f'Process on CPU {cpu_id} took: {proc_end_time - proc_start_time:.3f} seconds')
+    end = time()
+    print(total)
+    print('Total Execution time: %.3fs' % (end - start))
+    print('Total execution time: ', (proc_end_time - proc_start_time), 's', sep='')
+
+if __name__ == '__main__':
+    main()
+```