进程之间的通信

1. 互斥锁

   进程之间数据不共享，但共享同一套文件系统，或同一个打印终端是没有问题的。但共享导致了竞争，若不加以控制就会造成错乱。如下：

   from multiprocessing import Process
   import time
   import random
   def task1():print('task1开始打印')time.sleep(random.randint(1,3))print('task1打印完成')
   def task2():print('task2开始打印')time.sleep(random.randint(1,3))print('task2打印完成')
   def task3():print('task3开始打印')time.sleep(random.randint(1,3))print('task3打印完成')
   if __name__ == '__main__':p1 = Process(target=task1,)p2 = Process(target=task2,)p3 = Process(target=task3,)p1.start()p2.start()p3.start()
   # task1开始打印
   # task2开始打印
   # task3开始打印
   # task1打印完成
   # task3打印完成
   # task2打印完成

   使用加锁可以使并发变成串行，牺牲效率，避免竞争

   from multiprocessing import Process
   from multiprocessing import Lock
   import time
   import random
   def task1(lock):lock.acquire()print('task1开始打印')time.sleep(random.randint(1,3))print('task1打印完成')lock.release()
   def task2(lock):lock.acquire()print('task2开始打印')time.sleep(random.randint(1,3))print('task2打印完成')lock.release()
   def task3(lock):lock.acquire()print('task3开始打印')time.sleep(random.randint(1,3))print('task3打印完成')lock.release()
   if __name__ == '__main__':lock = Lock()p1 = Process(target=task1,args=(lock,))p2 = Process(target=task2,args=(lock,))p3 = Process(target=task3,args=(lock,))p1.start()p2.start()p3.start()
   # task1开始打印
   # task1打印完成
   # task2开始打印
   # task2打印完成
   # task3开始打印
   # task3打印完成

   利用多进程抢票：

   from multiprocessing import Process
   from multiprocessing import Lock
   import time
   import random
   import json
   def search():time.sleep(random.random())  # 模拟读取数据网络延迟with open('db.json',encoding='utf-8') as f:dic = json.load(f)print(f'剩余票数{dic["count"]}')
   def get():with open('db.json',encoding='utf-8') as f:dic = json.load(f)time.sleep(random.random())  # 模拟读取数据网络延迟if dic['count'] > 0:dic['count'] -= 1time.sleep(random.random())  # 模拟写数据网络延迟with open('db.json',encoding='utf-8',mode='w') as f:json.dump(dic,f)print(f'{os.getpid()}用户购买成功')else:print('票没了')
   def task(lock):search()lock.acquire()get()lock.release()
   if __name__ == '__main__':lock = Lock()for i in range(5):p = Process(target=task,args=(lock,))p.start()
   # 剩余票数1
   # 剩余票数1
   # 14004用户购买成功
   # 剩余票数0
   # 剩余票数0
   # 票没了
   # 剩余票数0
   # 票没了
   # 票没了
   # 票没了

   虽然可以用文件共享数据实现进程间通信,但问题是：

   1. 效率低（共享数据居于文件，而文件是硬盘上的数据）
   2. 需要自己加锁处理，容易形成死锁、递归锁（注意一个进程只能使用一个锁）

2. 队列

   multiprocessing模块支持两种形式：队列和管道，这两种方式都是传递数据的。

   队列就是存在于内存中的一个容器，最大的特点就是FIFO，完全支持先进先出原则

   1. 创建队列的类（底层就是以管道和索的方式实现的）

      Queue([maxsize])：创建共享的进程队列，Queue是多进程安全队列，可以使用Queue实现多进程之间的数据传递

   2. 参数介绍

      maxsize是队列中允许最大项数，省略则无大小限制

   3. 方法介绍

      • 主要方法

        # q.put方法用以插入数据到队列中，put方法还有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，该方法会阻塞timeout指定的时间，直到该队列有剩余的空间。如果超时，会抛出Queue.Full异常。如果blocked为False，但该Queue已满，会立即抛出Queue.Full异常。
        # q.get方法可以从队列读取并且删除一个元素。同样，get方法有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，那么在等待时间内没有取到任何元素，会抛出Queue.Empty异常。如果blocked为False，有两种情况存在，如果Queue有一个值可用，则立即返回该值，否则，如果队列为空，则立即抛出Queue.Empty异常.
        # q.get_nowait():同q.get(False)
        # q.put_nowait():同q.put(False)
        # q.empty():调用此方法时q为空则返回True，该结果不可靠，比如在返回True的过程中，如果队列中又加入了项目。
        # q.full()：调用此方法时q已满则返回True，该结果不可靠，比如在返回True的过程中，如果队列中的项目被取走。
        # q.qsize():返回队列中目前项目的正确数量，结果也不可靠，理由同q.empty()和q.full()一样

      • 其他方法

        # q.cancel_join_thread():不会在进程退出时自动连接后台线程。可以防止join_thread()方法阻塞
        # q.close():关闭队列，防止队列中加入更多数据。调用此方法，后台线程将继续写入那些已经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，将调用此方法。关闭队列不会在队列使用者中产生任何类型的数据结束信号或异常。例如，如果某个使用者正在被阻塞在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.join_thread()：连接队列的后台线程。此方法用于在调用q.close()方法之后，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

3. 进程之间的通信实例

   利用队列进程之间通信：简单，方便，不用自己动手加锁。队列自带阻塞，可持续化取数据。

   # 用队列来存储网络请求，模拟网购抢购
   import os
   from multiprocessing import Queue
   from multiprocessing import Process
   def task(q):try:q.put(f'{os.getpid()}',block=False)  # 模拟存放请求except Exception:return
   if __name__ == '__main__':q = Queue(10)for i in range(100):p = Process(target=task,args=(q,))p.start()for i in range(1,11):print(f'排名第{i}的用户：{q.get()}')    # 获取前十个请求

4. 生产者与消费者模型

   生产者：生产数据进程

   消费者：对生产者生产出来的数据作进一步处理的进程

   生产者与消费者之间需要有一个容器作为缓冲区，平衡生产力与消费力

   生产者消费者模型多用于并发

   from multiprocessing import Process
   from multiprocessing import Queue
   import time
   import random
   def producer(name,q):for i in range(1,6):time.sleep(random.randint(1,3))ret = f'{i}号包子'q.put(ret)print(f'\033[0;32m 生产者{name}:生产了{ret}\033[0m')
   def consumer(name,q):while 1:try:time.sleep(random.randint(1,3))ret = q.get(timeout=5)print(f'消费者{name}:吃了{ret}')except Exception:return
   if __name__ == '__main__':q = Queue()p1 = Process(target=producer,args=('铁憨憨',q))p2 = Process(target=consumer,args=('皮皮寒',q))p1.start()p2.start()
   # 生产者铁憨憨:生产了1号包子
   #消费者皮皮寒:吃了1号包子
   # 生产者铁憨憨:生产了2号包子
   #消费者皮皮寒:吃了2号包子
   # 生产者铁憨憨:生产了3号包子
   # 生产者铁憨憨:生产了4号包子
   #消费者皮皮寒:吃了3号包子
   # 生产者铁憨憨:生产了5号包子
   #消费者皮皮寒:吃了4号包子
   #消费者皮皮寒:吃了5号包子

5. 总结

   进程之间的通信:

   1. 基于文件+ 锁的形式: 效率低,麻烦.
   2. 基于队列: 推荐使用形式.
   3. 基于管道: 管道自己加锁, 底层可以会出现数据丢失损坏.

   多个进程抢占一个资源: 串行,有序以及数据安全.

   多个进程实现并发的效果: 生产者消费者模型.