#创建锁
mutex = threading.Lock()
#锁定
mutex.acquire([timeout])#timeout是超时时间
#释放
mutex.release()其中，锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout，则在超时后通过返回值可以判断是否得到了锁，从而可以进行一些其他的处理。

互斥锁同时只允许一个线程更改数据，而信号量Semaphore是同时允许一定数量的线程更改数据 。
假设商场里有4个迷你唱吧，所以同时可以进去4个人，如果来了第五个人就要在外面等待，等到有人出来才能再进去玩。
实现：
信号量同步基于内部计数器，每调用一次acquire()，计数器减1；每调用一次release()，计数器加1.当计数器为0时，acquire()调用被阻塞。这是迪科斯彻（Dijkstra）信号量概念P()和V()的Python实现。信号量同步机制适用于访问像服务器这样的有限资源。
信号量与进程池的概念很像，但是要区分开，信号量涉及到加锁的概念

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。clear：将“Flag”设置为False
set：将“Flag”设置为True

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。

'''
multiprocessing模块支持进程间通信的两种主要形式:管道和队列
都是基于消息传递实现的,但是队列接口
'''from multiprocessing import Queue
q=Queue(3)#put ,get ,put_nowait,get_nowait,full,empty
q.put(3)
q.put(3)
q.put(3)
# q.put(3)   # 如果队列已经满了，程序就会停在这里，等待数据被别人取走，再将数据放入队列。# 如果队列中的数据一直不被取走，程序就会永远停在这里。
try:q.put_nowait(3) # 可以使用put_nowait，如果队列满了不会阻塞，但是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')# 因此，我们再放入数据之前，可以先看一下队列的状态，如果已经满了，就不继续put了。
print(q.full()) #满了print(q.get())
print(q.get())
print(q.get())
# print(q.get()) # 同put方法一样，如果队列已经空了，那么继续取就会出现阻塞。
try:q.get_nowait(3) # 可以使用get_nowait，如果队列满了不会阻塞，但是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')print(q.empty()) #空了

import time
from multiprocessing import Process, Queuedef f(q):q.put([time.asctime(), 'from Eva', 'hello'])  #调用主函数中p进程传递过来的进程参数 put函数为向队列中添加一条数据。if __name__ == '__main__':q = Queue() #创建一个Queue对象p = Process(target=f, args=(q,)) #创建一个进程
    p.start()print(q.get())p.join()

import os
import time
import multiprocessing# 向queue中输入数据的函数
def inputQ(queue):info = str(os.getpid()) + '(put):' + str(time.asctime())queue.put(info)# 向queue中输出数据的函数
def outputQ(queue):info = queue.get()print ('%s%s\033[32m%s\033[0m'%(str(os.getpid()), '(get):',info))# Main
if __name__ == '__main__':multiprocessing.freeze_support()record1 = []   # store input processesrecord2 = []   # store output processesqueue = multiprocessing.Queue(3)# 输入进程for i in range(10):process = multiprocessing.Process(target=inputQ,args=(queue,))process.start()record1.append(process)# 输出进程for i in range(10):process = multiprocessing.Process(target=outputQ,args=(queue,))process.start()record2.append(process)for p in record1:p.join()for p in record2:p.join()

from multiprocessing import Process,Queue
import time,random,os
def consumer(q):while True:res=q.get()time.sleep(random.randint(1,3))print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))def producer(q):for i in range(10):time.sleep(random.randint(1,3))res='包子%s' %iq.put(res)print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))if __name__ == '__main__':q=Queue()#生产者们:即厨师们p1=Process(target=producer,args=(q,))#消费者们:即吃货们c1=Process(target=consumer,args=(q,))#开始
    p1.start()c1.start()print('主')

from multiprocessing import Process,Queue
import time,random,os
def consumer(q):while True:res=q.get()if res is None:break #收到结束信号则结束time.sleep(random.randint(1,3))print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))def producer(q):for i in range(10):time.sleep(random.randint(1,3))res='包子%s' %iq.put(res)print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))q.put(None) #发送结束信号
if __name__ == '__main__':q=Queue()#生产者们:即厨师们p1=Process(target=producer,args=(q,))#消费者们:即吃货们c1=Process(target=consumer,args=(q,))#开始
    p1.start()c1.start()print('主')

from multiprocessing import Process,Queue
import time,random,os
def consumer(q):while True:res=q.get()if res is None:break #收到结束信号则结束time.sleep(random.randint(1,3))print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))def producer(q):for i in range(2):time.sleep(random.randint(1,3))res='包子%s' %iq.put(res)print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))if __name__ == '__main__':q=Queue()#生产者们:即厨师们p1=Process(target=producer,args=(q,))#消费者们:即吃货们c1=Process(target=consumer,args=(q,))#开始
    p1.start()c1.start()p1.join()q.put(None) #发送结束信号print('主')

from multiprocessing import Process,Queue
import time,random,os
def consumer(q):while True:res=q.get()if res is None:break #收到结束信号则结束time.sleep(random.randint(1,3))print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))def producer(name,q):for i in range(2):time.sleep(random.randint(1,3))res='%s%s' %(name,i)q.put(res)print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))if __name__ == '__main__':q=Queue()#生产者们:即厨师们p1=Process(target=producer,args=('包子',q))p2=Process(target=producer,args=('骨头',q))p3=Process(target=producer,args=('泔水',q))#消费者们:即吃货们c1=Process(target=consumer,args=(q,))c2=Process(target=consumer,args=(q,))#开始
    p1.start()p2.start()p3.start()c1.start()p1.join() #必须保证生产者全部生产完毕,才应该发送结束信号
    p2.join()p3.join()q.put(None) #有几个消费者就应该发送几次结束信号Noneq.put(None) #发送结束信号print('主')

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。

import time
import random
from multiprocessing import Process,JoinableQueue
def producer(q,name,food):for i in range(5):time.sleep(random.random())  # 模拟生产时间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def consumer(q,name):while True:food = q.get()  # 获取队列time.sleep(random.random())  # 模拟吃的时间print('{}吃了{}'.format(name,food))q.task_done()  # 向q.join()发送一次信号,证明一个数据已经被取走了if __name__ == '__main__':q = JoinableQueue()  #创建可连接的共享进程队列# 生产者们:即厨师们p1 = Process(target=producer,args=[q,'康师傅','红烧牛肉'])p2 = Process(target=producer,args=[q,'郑师傅','红烧鱼块'])p1.start()  # 启动进程p2.start()# 消费者们:即吃货们c1 = Process(target=consumer,args=[q,'xiao'])c2 = Process(target=consumer, args=[q,'lin'])c1.daemon = True  # 设置守护进程c2.daemon = Truec1.start()  # 启动进程c2.start()p1.join()  # 保证子进程结束后再向下执行p2.join()

#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 Process, Pipedef f(conn):conn.send("Hello The_Third_Wave")conn.close()if __name__ == '__main__':parent_conn, child_conn = Pipe()p = Process(target=f, args=(child_conn,))p.start()print(parent_conn.recv())p.join()

from multiprocessing import Process,Pipedef consumer(p,name):produce, consume=pproduce.close()while True:try:baozi=consume.recv()print('%s 收到包子:%s' %(name,baozi))except EOFError:breakdef producer(seq,p):produce, consume=pconsume.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(10))producer(seq,(produce,consume))produce.close()consume.close()c1.join()print('主进程')

from multiprocessing import Process,Pipe,Lockdef consumer(p,name,lock):produce, consume=pproduce.close()while True:lock.acquire()baozi=consume.recv()lock.release()if baozi:print('%s 收到包子:%s' %(name,baozi))else:consume.close()breakdef producer(p,n):produce, consume=pconsume.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),10))c1.start()c2.start()p1.start()produce.close()consume.close()c1.join()c2.join()p1.join()print('主进程')

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.

1
2
3
4
5
6
7
8
9
10
from multiprocessing import Manager,Process
def func(dic):print(dic)if __name__ == '__main__':m = Manager()  # 创建一个server进程dic = m.dict({'count':100})  #这是一个特殊的字典p = Process(target=func,args=[dic,])p.start()p.join()
执行输出：{'count': 100}修改字典的值1
2
3
4
5
6
7
8
9
10
11
from multiprocessing import Manager,Process
def func(dic):dic['count'] = dic['count'] -1print(dic)if __name__ == '__main__':m = Manager()  # 创建一个server进程dic = m.dict({'count':100})  #这是一个特殊的字典p = Process(target=func,args=[dic,])p.start()p.join()
输出：{'count': 99}循环修改1
2
3
4
5
6
7
8
9
10
11
12
13
14
from multiprocessing import Manager,Process
def func(dic):dic['count'] = dic['count'] -1  # 每次减1if __name__ == '__main__':m = Manager()  # 创建一个server进程dic = m.dict({'count':100})  #这是一个特殊的字典p_lst = []  # 定义一个空列表for i in range(100):  # 启动100个进程p = Process(target=func,args=[dic,])p_lst.append(p)  # 进程追加到列表中p.start()  # 启动进程for p in p_lst:p.join()  # 等待100个进程全部结束print(dic)  # 打印dic的值
重复执行5次，输出{'count': 0}或者{'count': 1}或者{'count': 3}发现数据已经出现错乱了，为什么呢？因为同一个时间内有多个进程操作dic，就会发生数据错乱为了解决这个问题，需要加锁1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from multiprocessing import Manager,Process,Lock
def func(dic,lock):lock.acquire()  #取得锁dic['count'] = dic['count'] -1  # 每次减1lock.release()  #释放锁if __name__ == '__main__':m = Manager()  # 创建一个server进程lock = Lock()  #创建锁dic = m.dict({'count':100})  #这是一个特殊的字典p_lst = []  # 定义一个空列表for i in range(100):  # 启动100个进程p = Process(target=func,args=[dic,lock])p_lst.append(p)  # 进程追加到列表中p.start()  # 启动进程for p in p_lst:p.join()  # 等待100个进程全部结束print(dic)  # 打印dic的值
重复执行5次，输出结果为：{'count': 0}另外一种写法，使用上下文管理1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from multiprocessing import Manager,Process,Lock
def func(dic,lock):with lock:  # 上下文管理 ：必须有一个开始动作 和 一个结束动作的时候dic['count'] = dic['count'] -1  # 每次减1if __name__ == '__main__':m = Manager()  # 创建一个server进程lock = Lock()  #创建锁dic = m.dict({'count':100})  #这是一个特殊的字典p_lst = []  # 定义一个空列表for i in range(100):  # 启动100个进程p = Process(target=func,args=[dic,lock])p_lst.append(p)  # 进程追加到列表中p.start()  # 启动进程for p in p_lst:p.join()  # 等待100个进程全部结束print(dic)  # 打印dic的值
重复执行，效果同上。之前学到的文件管理，有用到上下文管理。这里也可以使用上下文管理。有2个必要条件1. 提供了with方法。2. 必须有一个开始和结束动作。这里的开始和结束动作，分别指的是acquire和release同一台机器上 ： 使用Queue
在不同台机器上 ：使用消息中间件

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。
'''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()'''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。
'''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。'''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

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
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。
obj.ready():如果调用完成，返回True
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
obj.wait([timeout]):等待结果变为可用。
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

代码实例import time
from multiprocessing import Pool
def fc(i):time.sleep(0.5)print('func%s'%i)if __name__ == '__main__':p = Pool(5)p.apply(func=fc,args=(1,))
执行输出：func1import time
from multiprocessing import Pool
def fc(i):time.sleep(0.5)print('func%s'%i)if __name__ == '__main__':p = Pool(5)for i in range(5):p.apply(func=fc,args=(1,))  # 同步调用#ret = p.apply_async(func=fc, args=(1,))  # 异步调用
执行输出：func1
func1
func1
func1
func1import time
import random
from multiprocessing import Pool
def fc(i):print('func%s' % i)time.sleep(random.randint(1, 3))return i ** 2if __name__ == '__main__':p = Pool(5) # 创建拥有5个进程数量的进程池ret_1 = []for i in range(5):#p.apply(func=fc,args=(1,))  # 同步调用ret = p.apply_async(func=fc, args=(i,))  # 异步调用ret_1.append(ret)for ret in ret_1:print(ret.get())  # 打印返回结果
执行输出：func0
func1
func2
func3
func40
1
4
9
16后面的结果都是i的平方值

import os,time
from multiprocessing import Pooldef work(n):print('%s run' %os.getpid())time.sleep(3)return n**2if __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_l=[]for i in range(10):res=p.apply(work,args=(i,)) # 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print(res_l)

import os
import time
import random
from multiprocessing import Pooldef work(n):print('%s run' %os.getpid())time.sleep(random.random())return n**2if __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_l=[]for i in range(10):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:print(res.get()) #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