【python】os.fork进程创建

基本使用

API：https://docs.python.org/zh-cn/3.9/library/os.html#os.fork

fork，叉子、分叉的意思。python的os模块中，fork用来从主进程中复制出来一个子进程副本，复制出来的子进程和主进程基本完全相同，除一些进程特有的标识外（如进程id、父进程id），其余的像环境变量、文件句柄、内部对象的虚拟内存地址等都一样，仅适用类unix系统平台（对于开发来说基本可以认为两个进程相同）。

在fork调用后，父进程和子进程会在同一个地方继续执行下去。类似于：

如果fork调用成功，在父进程中，fork将返回新创建的子进程的进程ID；而在子进程中，fork将返回0，也就是一些资料中说的“一次调用，两次返回”，可以通过这个返回的值来区分子进程与父进程。如果调用失败，会抛出OSError异常。

注意这个返回的值跟os.getpid()返回的pid含义不同，os.getpid()返回的是当前进程的进程号，而fork调用返回的值更像是一个进程内部的标识变量，只不过这个变量的值在父进程中定义为子进程的进程号（便于控制子进程）。

可以通过下面代码验证：

import os

if __name__ == '__main__':
    print(f'fork前 进程号:{os.getpid()} 父进程号:{os.getppid()}')
    try:
        pid = os.fork()
    except OSError as e:
        print(f'fork error, msg:{e}')
    else:
        if pid == 0:  # 子进程执行
            print(f'fork后 子进程执行 进程号:{os.getpid()} 父进程号:{os.getppid()}')
        elif pid > 0:  # 父进程执行
            print(f'fork后 父进程执行 进程号:{os.getpid()} 父进程号:{os.getppid()}')
        else:
            raise ValueError('pid is not 0 or an integer greater than 0')

ps.从fork理解虚拟内存管理与写时复制技术

从下面这个demo开始了解：

import os

if __name__ == '__main__':
    data = list(range(10))
    try:
        pid = os.fork()
    except OSError as e:
        print(f'fork error, msg:{e}')
    else:
        if pid == 0:
            print(f'子进程输出 data:{data} id:{id(data)}')
            data.append(10)
            print(f'子进程输出 data:{data} id:{id(data)}')
            data = [1, 2, 3]
            print(f'子进程输出 data:{data} id:{id(data)}')
        elif pid > 0:
            os.waitpid(pid, 0)  # 等待子进程执行完毕
            print(f'父进程输出 data:{data} id:{id(data)}')
        else:
            raise ValueError('pid is not 0 or an integer greater than 0')

上面代码的执行顺序：主进程创建data对象 -> 主进程fork一个子进程 -> 子进程执行完毕 -> 主进程执行。

开始的不理解在于，fork出来的子进程data指向的内存地址和父进程相同，但子进程对该对象修改后对父进程的data对象又没有影响？或者说，不同进程有各自的内存空间，为什么父子进程中data对象的内存地址相同？

整个问题可以把虚拟内存管理和写时复制技术结合来看：

在类unix系统中，fork系统调用一般采用了写时复制（Copy on Write）技术，fork出来的子进程会复制一份父进程的内存页表作为自己的内存页表，因为页表项中虚拟内存页指向的实际物理内存页还是原来的，所以进程间内存也是共享的。只有当其中某个进程触发写操作时，操作系统会给这个触发写的进程申请复制一个相关内存页的副本，修改内存页中所指向的实际物理内存页后（此处保证了内存的物理隔离）并在页表中替换原页表项。

这里还有一个容易混淆的点就是，对于不同的进程来说，虚拟内存地址是可以重复的，因为虚拟内存地址的主要作用就是：页目录索引定位页表物理地址 -> 页表索引定位页目录项物理地址 -> 页偏移量定位页目录项中物理页的页内偏移量。在页目录项映射实际物理页这一步，不同进程中有各自独立的映射。虚拟内存更像是充当一个标识符的作用。

虚拟内存地址寻址实际物理内存地址的过程参考：虚拟内存地址寻址实际物理内存地址。页目录属于操作系统级别，页表属于进程级别，可以把页目录理解成为一本书，书中的每一页是一个页表，属于一个进程。页表中每一行记录了一个实际的物理内存页号。