class Process(object):def __init__(self, group=None, target=None, name=None, args=(), kwargs={}):self.name = ''self.daemon = Falseself.authkey = Noneself.exitcode = Noneself.ident = 0self.pid = 0self.sentinel = Nonedef run(self):passdef start(self):passdef terminate(self):passdef join(self, timeout=None):passdef is_alive(self):return False

class Event(object):def is_set(self):  #查看事件的状态，返回True或Flasereturn Falsedef set(self): #修改事件的状态为Truepassdef clear(self): #设置事件的状态为Flasepassdef wait(self, timeout=None): #依据事件的状态来决定自己是否在wait处阻塞pass

from multiprocessing import Process
from multiprocessing import Event
import time
import randomdef light(traffic_light):'''事件创建出来默认为Flase，当他为Flase状态，改变为True状态，则为绿灯，放行5秒当他为True状态，改变为Flase状态，则为红灯，等待5秒'''while True:if traffic_light.is_set():print('红红红红红红红红红红红红')traffic_light.clear() #事件状态变为Flase# print(traffic_light.is_set())else:print('绿绿绿绿绿绿绿绿绿绿绿绿绿')traffic_light.set() #事件状态变为True# print(traffic_light.is_set())time.sleep(5)def cars(car,traffic_light):'''检测到事件为True状态，即为绿灯，车辆通行Flase状态，即为红灯，车辆等待，程序阻塞，等待事件为True状态，即为绿灯后再通行'''if traffic_light.is_set():print('%s过去了'%car)else:print('%s在等待' % car)traffic_light.wait()print('%s过去了'%car)if __name__ == '__main__':traffic_light= Event()traffic = Process(target=light,args=(traffic_light,)) #创建一个红绿灯进程
    traffic.start()for i in range(20):car = Process(target=cars,args=('%s号车'%i,traffic_light)) #创建多个车辆进程
        car.start()time.sleep(random.random())

class Queue(object):def __init__(self, maxsize=-1): #maxsize队列中允许的最大项数。如果省略此参数，则无大小限制。self._maxsize = maxsizedef qsize(self): #返回队列中目前项目的正确数量。return 0def empty(self): #队列是否为空，空返回Truereturn Falsedef full(self): #队列是否满，满了返回Truereturn Falsedef put(self, obj, block=True, timeout=None):   #添加obj对象至队列passdef put_nowait(self, obj): #
        passdef get(self, block=True, timeout=None): #返回elf中的一个项目passdef get_nowait(self):passdef close(self): #关闭队列，防止队列中加入更多数据。passdef join_thread(self): #连接队列的后台线程。passdef cancel_join_thread(self): #不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。pass

Queue([maxsize])
创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。另外，还需要运行支持线程以便队列中的数据传输到底层管道中。
Queue的实例q具有以下方法：q.get( [ block [ ,timeout ] ] )
返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。q.get_nowait( )
同q.get(False)方法。q.put(item [, block [,timeout ] ] )
将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。q.qsize()
返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。q.empty()
如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。q.full()
如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。。q.close()
关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get（）操作上，关闭生产者中的队列不会导致get（）方法返回错误。q.cancel_join_thread()
不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。q.join_thread()
连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。摘自：老男孩女神Eva_j

q = Queue(3)  # 最大存3个对象
q.put('aike')
q.put('chenfan')
q.put('xiaxiang')
print(q.full())  # 队列是否满
print(q.empty())  # 队列是否空
# q.put('dingchao')  # 当队列已经满了再继续添加，程序默认会阻塞，直至有数据被取出
# q.put('aike',block=False)#可以设置为不阻塞，即block = False，但是队列满了会报错
try:q.put_nowait(3) # 可以使用put_nowait，如果队列满了不会阻塞，与q.put(block=False)一样，会因为队列满了而报错。
except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去，但是会丢掉这个消息。print('队列已经满了')

q = Queue(3)  # 最大存3个对象
q.put('aike')
q.put('chenfan')
q.put('xiaxiang')
q.get()
q.get()
q.get()
# q.get() #当队列的值已经全部被取出后继续取值，程序默认会阻塞，直至有新的值进入
# q.get(block = False) #可以设置为不阻塞，即block = False，但是没取到值会报错
try:q.get_nowait(3) # 可以使用get_nowait，如果队列满了不会阻塞，与q.get(block = False)一样，会因为没取到值而报错。
except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。print('队列已经空了')

from multiprocessing import Process
from multiprocessing import Queuedef func1(q):q.put('aike')q.put('chenfan')q.put('xiaxiang')def func2(q):print(q.get()) #aikeprint(q.get())#chenfanif __name__ == '__main__':q = Queue(3) #最大存3个对象p1 = Process(target=func1,args=(q,))p1.start()p2 = Process(target=func2,args=(q,))p2.start()

from multiprocessing import Queue
from multiprocessing import Process
import timedef producer(name,food,q):for i in range(20):# time.sleep(1)q.put((food+str(i)))print('%s生产了%s%s' % (name, i, food))def consumer(name,q):while True:time.sleep(0.2)food = q.get()if food == None:print('没有了')breakprint('%s买下了%s'%(name,food))if __name__ == '__main__':q = Queue(20)p = Process(target=producer,args=('金早绿点','包子',q))p.start()c = Process(target=consumer,args=('aike',q))c.start()p.join()q.put(None)

from multiprocessing import JoinableQueue
from multiprocessing import Process
import timedef producer(name,food,q):for i in range(25):# time.sleep(1)q.put((food+str(i)))print('%s生产了%s%s' % (name, i, food))q.join() #阻塞，直到队列中所有项目均被处理def consumer(name,q):while True:time.sleep(0.1)food = q.get()print('%s买下了%s'%(name,food))q.task_done() #每次get后需要调用task_done，直到队列所有数据都task_done，join才取消阻塞，如果不调用，join会认为项目没被处理，join会一直阻塞if __name__ == '__main__':q = JoinableQueue(20)#最多存放20个对象p = Process(target=producer,args=('金早绿点','包子',q))p.start()c = Process(target=consumer,args=('aike',q))c.daemon = True #设置为守护进程，随着主进程的代码结束而结束
    c.start()p.join() #阻塞，直到生产者结束print('代码结束，守护进程结束')

#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。

from multiprocessing import Pipe,Processdef func2(conn,conn2):conn.close()while True:try:ret = conn2.recv()print(ret)except EOFError:  #当所有的管口都被关闭，且继续取值，会抛出异常print('没有值了')conn2.close()break
if __name__ == '__main__':conn,conn2 = Pipe()p2 = Process(target=func2,args=(conn,conn2))p2.start()conn2.close()conn.send('aike')conn.close()

from multiprocessing import Pipe,Process,Lock
import time
def producer(food,conn,conn2):conn2.close()for i in range(50):print('生产了%s%s' % (food, i))conn.send('%s%s'%(food,i))conn.close()def consumer(name,conn,conn2):conn.close()while True:time.sleep(0.5)try:ret = conn2.recv()print('%s消费了%s'%(name,ret))except EOFError:print('没有包子了')conn2.close()breakif __name__ == '__main__':conn,conn2 = Pipe()pro = Process(target=producer,args=('包子',conn,conn2))#生产者
    pro.start()sumer_lis = []for i in range(5):sumer = Process(target=consumer, args=('aike%s'%i, conn, conn2,))  # 消费者
        sumer_lis.append(sumer)sumer.start()# sumer = Process(target=consumer,args=('aike',conn,conn2))#消费者# sumer.start()# sumer1 = Process(target=consumer,args=('chenfan',conn,conn2))#消费者# sumer1.start()
    conn.close()conn2.close()

from multiprocessing import Pipe,Process,Lock
import time
def producer(food,conn,conn2):conn2.close()for i in range(50):print('生产了%s%s' % (food, i))conn.send('%s%s'%(food,i))conn.send(None)#用于退出消费者循环，否则程序一直阻塞
    conn.send(None)conn.send(None)conn.send(None)conn.send(None)conn.close()def consumer(name,conn,conn2,lock):conn.close()while True:time.sleep(0.5)try:lock.acquire()ret = conn2.recv()lock.release()if ret:print('%s消费了%s'%(name,ret))else:conn2.close()breakexcept EOFError:print('没有包子了')conn2.close()breakif __name__ == '__main__':lock = Lock()conn,conn2 = Pipe()pro = Process(target=producer,args=('包子',conn,conn2))#生产者
    pro.start()sumer_lis = []for i in range(5):sumer = Process(target=consumer, args=('aike%s'%i, conn, conn2,lock))  # 消费者
        sumer_lis.append(sumer)sumer.start()# sumer = Process(target=consumer,args=('aike',conn,conn2))#消费者# sumer.start()# sumer1 = Process(target=consumer,args=('chenfan',conn,conn2))#消费者# sumer1.start()
    conn.close()conn2.close()

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.

from multiprocessing import Manager,Process,Lock
def func(dic,lock):lock.acquire()dic['int'] -= 1lock.release()if __name__ == '__main__':lock = Lock()m = Manager()dic = m.dict({'int':100}) p_lis = []for i in range(20):p = Process(target=func,args=(dic,lock))p_lis.append(p)p.start()for p in p_lis:p.join()print(dic)

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

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，将理解传递给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

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

from multiprocessing import Pool,Process
import time
def func(args):# time.sleep(1)args += 1return args #进程池拥有返回值def func2(args):args += 1if __name__ == '__main__':#创建一个进程池pool = Pool(5)start = time.time()p = pool.map(func,range(10))print(time.time() - start)#0.3028266429901123# print(p)# 创建多个进程p_lis = []for i in range(10):start = time.time()p = Process(target=func2,args=(i,))p_lis.append(p)p.start()for p in p_lis:p.join()print(time.time() - start)#0.8240413665771484

import socket,os
from multiprocessing import Pool,Processdef chat(conn):while True:ret = conn.recv(1024).decode('utf-8')print('进程号%s发送消息:'%os.getpid(),ret)# info = input('请输入消息:').encode('utf-8')#子进程当中的IO操作，不会在pycharm当中反映。conn.send('收到'.encode('utf-8'))if __name__ == '__main__':sk = socket.socket()sk.bind(('127.0.0.1', 8080))sk.listen()socket_pool = Pool(5)while True:conn,addr = sk.accept()socket_pool.apply_async(chat,args=(conn,))

import socket
sk = socket.socket()
sk.connect(('127.0.0.1',8080))
while True:msg = input('请输入消息：').encode('utf-8')sk.send(msg)if msg == b'q':breakret = sk.recv(1024).decode('utf-8')print(ret)
sk.close()

from multiprocessing import Pool
def func(args):args += 1print(args)return argsif __name__ == '__main__':pool = Pool(5)ret = pool.map(func,range(20))#map是异步的，根据进程池大小同时运行限定的进程#  结果是func的返回值，返回一个存放计算结果的列表print(ret) #[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]

from multiprocessing import Pool
import time
def func(args):time.sleep(1)args += 1return argsif __name__ == '__main__':pool = Pool(5)for i in range(20):ret = pool.apply(func,args=(i,))#map是同步的，自带join和close方法，等待一个进程结束才进行下个进程任务#  结果是func的返回值print(ret) #1

from multiprocessing import Pool
import time
def func(args):time.sleep(1)args += 1return argsif __name__ == '__main__':pool = Pool(5)for i in range(20):ret = pool.apply_async(func,args=(i,))#apply_async是同步的，需要主动使用join和close方法，才能关闭进程池。#  结果是一个存放func返回值的对象，需要调用get方法才能获取值，#而get自带阻塞，相当于join，当你一条一条获取值时，会变成同步，因为需要等待计算完毕的返回值print(ret.get())pool.close()