进程
multiprocess
Process —— 进程 在python中创建一个进程的模块
start
daemon 守护进程
join 等待子进程执行结束
锁 Lock
acquire release
锁是一个同步控制的工具
如果同一时刻有多个进程同时执行一段代码，
那么在内存中的数据是不会发生冲突的
但是，如果涉及到文件，数据库就会发生资源冲突的问题
我们就需要用锁来把这段代码锁起来
任意一个进程执行了acquire之后，
其他所有的进程都会在这里阻塞，等待一个release
信号量 semaphore
锁 + 计数器
同一时间只能有指定个数的进程执行同一段代码
事件 Event
set clear is_set 控制对象的状态
wait 根据状态不同执行效果也不同
状态是True ---> pass
状态是False --> 阻塞
一般wait是和set clear放在不同的进程中
set/clear负责控制状态
wait负责感知状态
我可以在一个进程中控制另外一个或多个进程的运行情况
Queue(队列)的其它方法
from multiprocessing import Process,Queue
q = Queue()
print(q.empty()) # 判断队列Queue是否为空
print(q.full()) # 判断队列Queue是否满了(不能存放了)执行结果
True
False
创建队列数量
from multiprocessing import Process, Queue
q = Queue(10) #设置队列容量为10
for i in range(10):
q.put(i)
print(q.qsize()) # 返回队列中目前项目的正确数量(多进程不准)
print(q.full()) # 返回队列是否以满(True/False)(多进程不准)
q.put(1111) # 阻塞,后面代码不会执行--队列已满
print(q.empty())
print(q.full())执行结果
注释：
队列可以在创建的时候指定一个容量
如果在程序运行的过程中，队列已经有了足够的数据，再put就会发生阻塞
如果队列为空，在get就会发生阻塞
为什么要设置队列的长度呢？内存有限，不设置可以导致系统崩溃
在进程中使用队列可以完成双向通信
import time
import os
from multiprocessing import Process, Queue
def wahaha(q):
print(q.get(), os.getpid()) # os.getpid()进程id号
q.put(2)
if __name__ == '__main__':
q = Queue()
p = Process(target=wahaha, args=(q,))
p.start()
q.put(222)
time.sleep(0.2)
print(q.get(), os.getppid()) # os.getppid()父进程id号执行结果
222 1088
2 6336
既打印了主进程put的值，也打印了子进程put的值，在进程中使用队列可以完成双向通信
生产者消费者模型
解决数据供需不平衡的情况
在同一时刻，只能有一个进程来取值，它内部有一个锁的机制。那么另一个进程进来后就会阻塞一会儿，阻塞的时候非常短
队列是进程安全的，内置了锁来保证队列中的每一个数据都不会被多个进程重复取值
import time
import random
from multiprocessing import Process,Queue
def consumer(q,name): #消费者
while True:
food = q.get()
if food == 'done':break #如果取到的值为done，则break
time.sleep(random.random())
print('{}吃了{}'.format(name, food))
def producer(q,name,food): #生产者
for i in range(10):
time.sleep(random.random())
print('{}生成了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i))
if __name__ == '__main__':
q = Queue()
p1 = Process(target=producer, args=(q, 'Sam', '饼干'))
p2 = Process(target=producer, args=(q, 'Tom', '辣条'))
p1.start()
p2.start()
Process(target=consumer, args=(q, '张三')).start()
Process(target=consumer, args=(q, '李四')).start()
p1.join() # 等待消费者消耗
p2.join() # 等待消费者消耗
q.put('done') #一个done给进程p1
q.put('done') #一个done给进程p2执行结果
JoinableQueue([maxsize])
创建可连接的共享进程队列。这就像是一个Queue对象，但队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的
方法介绍
JoinableQueue的实例p除了与Queue对象相同的方法之外，还具有以下方法：
q.task_done()
使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将
引发ValueError异常。
q.join()
生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法
为止。
下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。JoinableQueue队列实现消费之生产者模型
import time
import random
from multiprocessing import Process,JoinableQueue
def consumer(q,name): # 消费者
while True:
food = q.get()
time.sleep(random.random())
print('{}吃了{}'.format(name,food))
q.task_done()
def producer(q,name,food): # 生产者
for i in range(10):
time.sleep(random.random())
print('{}生产了{}{}'.format(name,food,i))
q.put('{}{}'.format(food,i))
q.join() # 等到所有的数据都被task_done才结束
if __name__ == '__main__':
q = JoinableQueue()
p1 = Process(target=producer,args=(q,'111','热干面'))
p2 = Process(target=producer,args=(q,'222','炸酱面'))
p1.start()
p2.start()
c1 = Process(target=consumer, args=(q, 'Sam'))
c2 = Process(target=consumer, args=(q, 'Tom'))
c1.daemon = True # 设置为守护进程
c2.daemon = True # 设置为守护进程
c1.start()
c2.start()
p1.join()
p2.join()执行结果
注释：
producer 生产者
put 往队列里面添加数据
生产完，全部的数据就没有其他工作了
在生产数据方：允许执行q.join，等待消费者取数据
join会发起一个阻塞，直到所有当前队列中的数据都被消费者取走
consumer 消费者
get 获取数据
处理数据
q.task_done() 告诉q,刚刚从q获取的数据已经处理完了
执行流程:
consumer消费者每完成一个任务就会给q发送一个taskdone
producer生产者在所有的数据都生产完之后会执行q.join()
producer生产者会等待consumer消费完数据才结束
主进程中对producer进程进行join
主进程中的代码会等待producer执行完才结束
producer生产者结束就意味着主进程代码的结束
consumer消费者作为守护进程结束
结束顺序：
consumer消费者中queue中的所有数据被消费
producer生产者 join结束
主进程的代码结束
consumer消费者结束
主进程结束(主进程等待子进程结束才结束)
Pipe 管道(了解)
介绍
#创建管道的类：
Pipe([duplex]):在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调
一点：必须在产生Process对象之前产生管道
#参数介绍：
dumplex:默认管道是全双工的，如果将duplex射成False，conn1只能用于接收，conn2只能用于发送。
#主要方法：
conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已
经关闭，那么recv方法会抛出EOFError。
conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象
#其他方法：
conn1.close():关闭连接。如果conn1被垃圾回收，将自动调用此方法
conn1.fileno():返回连接使用的整数文件描述符
conn1.poll([timeout]):如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返
回结果。如果将timeout射成None，操作将无限期地等待数据到达。
conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数
如果进入的消息，超过了这个最大值，将引发IOError异常，并且在连接上无法进行进一步读取。如果连接的另外一端已经关
闭，再也不存在任何数据，将引发EOFError异常。
conn.send_bytes(buffer [, offset [, size]])：通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，
offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数
进行接收
conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的
缓冲区接口（即bytearray对象或类似的对象）。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果
消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。管道
支持双向通信
在进程之间通信的工具
管道 + 锁 = 队列
管道--数据不安全
示例：
from multiprocessing import Pipe
left, right = Pipe() # 左,右 即管道的两端
left.send('1234') # 左边send
print(right.recv()) # 右边接收执行结果
1234
注释:
管道实例化之后，形成2端
左边send，右边接收
一端收发，会阻塞
示例：
from multiprocessing import Process,Pipe
def f(parent_conn, child_conn):
parent_conn.close() # 不写close将不会引发EOFError错误
while True:
try:
print(child_conn.recv())
except EOFError:
child_conn.close()
break
if __name__ == '__main__':
parent_conn, child_conn = Pipe()
p = Process(target=f,args=(parent_conn,child_conn))
p.start()
child_conn.close()
parent_conn.send('hello')
parent_conn.send('hi')
parent_conn.send('你好')
parent_conn.close()
p.join()执行结果
hello
hi
你好
pipe实现生产者消费者模型
from multiprocessing import Process, Pipe
def consumer(p, name):
produce, consume = p
produce.close()
while True:
try:
baozi = consume.recv()
print('%s 收到包子:%s' % (name, baozi))
except EOFError:
break
def producer(seq, p):
produce, consume = p
consume.close()
for i in seq:
produce.send(i)
if __name__ == '__main__':
produce, consume = Pipe()
c1 = Process(target=consumer, args=((produce, consume), 'c1'))
c1.start()
seq = (i for i in range(5))
producer(seq, (produce, consume))
produce.close()
consume.close()
c1.join()
print('主进程')执行结果
c1 收到包子:0
c1 收到包子:1
c1 收到包子:2
c1 收到包子:3
c1 收到包子:4
主进程
多个消费之之间的竞争问题带来的数据不安全问题
from multiprocessing import Process,Pipe,Lock
def consumer(p,name,lock):
produce, consume=p
produce.close()
while True:
lock.acquire()
baozi=consume.recv()
lock.release()
if baozi:
print('%s 收到包子:%s' %(name,baozi))
else:
consume.close()
break
def producer(p,n):
produce, consume=p
consume.close()
for i in range(n):
produce.send(i)
produce.send(None)
produce.send(None)
produce.close()
if __name__ == '__main__':
produce,consume=Pipe()
lock = Lock()
c1=Process(target=consumer,args=((produce,consume),'c1',lock))
c2=Process(target=consumer,args=((produce,consume),'c2',lock))
p1=Process(target=producer,args=((produce,consume),6))
c1.start()
c2.start()
p1.start()
produce.close()
consume.close()
c1.join()
c2.join()
p1.join()
print('主进程')执行结果
c2 收到包子:1
c2 收到包子:2
c2 收到包子:3
c2 收到包子:4
c2 收到包子:5
主进程
进程之间的数据共享
展望未来，基于消息传递的并发编程是大势所趋
即便是使用线程，推荐做法也是将程序设计为大量独立的线程集合，通过消息队列交换数据。
这样极大地减少了对使用锁定和其他同步手段的需求，还可以扩展到分布式系统中。
但进程间应该尽量避免通信，即便需要通信，也应该选择进程安全的工具来避免加锁带来的问题。
以后我们会尝试使用数据库来解决现在进程之间的数据共享问题
Manager模块介绍
进程间数据是独立的，可以借助于队列或管道实现通信，二者都是基于消息传递的
虽然进程间数据独立，但可以通过Manager实现数据共享，事实上Manager的功能远不止于此
A manager object returned by Manager() controls a server process which holds Python objects and allows other
processes to manipulate them using proxies.
A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore,
BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array.Manager例子
from multiprocessing import Manager,Process,Lock
def func1(dic,lock):
with lock: # with用法：上下文管理：必须有一个开始动作和一个结束动作
dic['count'] -= 1
if __name__ == '__main__':
m = Manager()
lock = Lock()
dic = m.dict({'count':100}) #创建一个dic字典
p_lst = []
for i in range(100):
p = Process(target=func1,args=(dic,lock))
p_lst.append(p)
p.start()
for p in p_lst:p.join()
print(dic)执行结果
{'count': 0}
进程池和multiprocess的Pool模块
进程池
进程池的概念，定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。
概念介绍
Pool([numprocess [,initializer [, initargs]]]):创建进程池
1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值
2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None
3 initargs：是要传给initializer的参数组主要方法
1 p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
2 '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从
不同线程调用p.apply()函数或者使用p.apply_async()'''
3
4 p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
5 '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传
给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''
6
7 p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成
8
9 P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用其他方法(了解)
1 方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
2 obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果
远程操作中引发了异常，它将在调用此方法时再次被引发。
3 obj.ready():如果调用完成，返回True
4 obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
5 obj.wait([timeout]):等待结果变为可用。
6 obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此
函数同步和异步
进程池的同步调用
import os
import time
from multiprocessing import Pool
def work(n):
print('{} run'.format(os.getpid()))
time.sleep(2)
return n**2
if __name__ == '__main__':
p = Pool(3) # 进程池中从无到有创建三个进程，以后一直是这三个进程在执行任务
res_1 = []
for i in range(5):
# 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞
# 但不管该任务是否存在阻塞，同步调用都会在原地等着
res = p.apply(work, args=(i,))
print(res_1)执行结果
8440 run
13340 run
5636 run
8440 run
13340 run
[]
进程池的异步调用
import os
import time
import random
from multiprocessing import Pool
def work(n):
print('{} run'.format(os.getpid()))
time.sleep(random.random())
return n**2
if __name__ == '__main__':
p = Pool(3)
res_l = []
for i in range(5):
res = p.apply_async(work, args=(i,))
# 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
# 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
# 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
# 而是执行完一个就释放一个进程，这个进程就去接收新的任务。
res_l.append(res)
# 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以
# 用get收集结果
# 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
p.close()
p.join()
for res in res_l:
# 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无
# 需get
print(res.get())执行结果
2680 run
9796 run
9076 run
9076 run
2680 run
0
1
4
9
16
进程池的异步调用
例2
import time
import random
from multiprocessing import Pool
def func(i):
print('func%s' % i)
time.sleep(random.randint(1,3))
return i**2
if __name__ == '__main__':
p = Pool(5)
ret_l = []
for i in range(15):
# p.apply(func=func,args=(i,)) # 同步调用
ret = p.apply_async(func=func,args=(i,))# 异步调用
ret_l.append(ret)
for ret in ret_l : print(ret.get())
# 主进程和所有的子进程异步了执行结果为
func0
func1
func2
func3
0
func4
1
4
9
16
进程池版socket并发聊天
server端代码
#!/usr/bin/env python
# coding: utf-8
#Pool内的进程数默认是cpu核数，假设为4（查看方法os.cpu_count()）
#开启6个客户端，会发现2个客户端处于等待状态
#在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程
from socket import *
from multiprocessing import Pool
import os
server=socket(AF_INET,SOCK_STREAM)
server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
server.bind(('127.0.0.1',8080))
server.listen(5)
def talk(conn):
print('进程pid: %s' %os.getpid())
while True:
try:
msg=conn.recv(1024)
if not msg:break
conn.send(msg.upper())
except Exception:
break
if __name__ == '__main__':
p=Pool(4)
while True:
conn,*_=server.accept()
p.apply_async(talk,args=(conn,))
# p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问client端代码
from socket import *
client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))
while True:
msg=input('>>: ').strip()
if not msg:continue
client.send(msg.encode('utf-8'))
msg=client.recv(1024)
print(msg.decode('utf-8'))先运行server,在运行client，执行效果为下：
发现：并发开启多个客户端，服务端同一时间只有4个不同的pid，只能结束一个客户端，另外一个客户端才会进来
回调函数
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进
程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就
省去了I/O的过程，直接拿到的是任务的结果。使用多进程请求多个url来减少网络等待浪费的时间
import os
from urllib.request import urlopen
from multiprocessing import Pool
def get_url(url):
print('-->',url,os.getpid())
ret = urlopen(url)
content = ret.read()
return url
def call(url):
# 分析
print(url,os.getpid())
if __name__ == '__main__':
print(os.getpid())
l = [
'http://www.baidu.com', # 5
'http://www.sina.com',
'http://www.sohu.com',
'http://www.sogou.com',
'http://www.qq.com',
'http://www.bilibili.com', #0.1
]
p = Pool(5) # count(cpu)+1
ret_l = []
for url in l:
ret = p.apply_async(func = get_url,args=[url,],callback=call)
ret_l.append(ret)
for ret in ret_l : ret.get()
# 回调函数
# 在进程池中，起了一个任务，这个任务对应的函数在执行完毕之后
# 的返回值会自动作为参数返回给回调函数
# 回调函数就根据返回值再进行相应的处理
# 回调函数 是在主进程执行的执行结果
10316
--> http://www.baidu.com 13280
--> http://www.sina.com 1244
--> http://www.sohu.com 16204
--> http://www.sogou.com 1224
--> http://www.qq.com 16140
--> http://www.bilibili.com 13280
http://www.baidu.com 10316
http://www.qq.com 10316
http://www.sohu.com 10316
http://www.sina.com 10316
http://www.bilibili.com 10316
http://www.sogou.com 10316
