from multiprocessing import Process
import time
import random

class Piao(Process):
    def __init__(self,name):
        self.name=name
        super().__init__()
    def run(self):
        print(‘%s is piaoing‘ %self.name)
        time.sleep(random.randrange(1,3))
        print(‘%s is piao end‘ %self.name)


p=Piao(‘egon‘)
p.daemon=True #一定要在p.start()前设置,设置p为守护进程,禁止p创建子进程,并且父进程代码执行结束,p即终止运行
p.start()
print(‘主‘)

#主进程代码运行完毕,守护进程就会结束
from multiprocessing import Process
from threading import Thread
import time
def foo():
    print(123)
    time.sleep(1)
    print("end123")

def bar():
    print(456)
    time.sleep(3)
    print("end456")


p1=Process(target=foo)
p2=Process(target=bar)

p1.daemon=True
p1.start()
p2.start()
print("main-------") #打印该行则主进程代码结束,则守护进程p1应该被终止,可能会有p1任务执行的打印信息123,因为主进程打印main----时,p1也执行了,但是随即被终止

#并发运行,效率高,但竞争同一打印终端,带来了打印错乱
from multiprocessing import Process
import os,time
def work():
    print(‘%s is running‘ %os.getpid())
    time.sleep(2)
    print(‘%s is done‘ %os.getpid())

if __name__ == ‘__main__‘:
    for i in range(3):
        p=Process(target=work)
        p.start()

#由并发变成了串行,牺牲了运行效率,但避免了竞争
from multiprocessing import Process,Lock
import os,time
def work(lock):
    lock.acquire()
    print(‘%s is running‘ %os.getpid())
    time.sleep(2)
    print(‘%s is done‘ %os.getpid())
    lock.release()
if __name__ == ‘__main__‘:
    lock=Lock()
    for i in range(3):
        p=Process(target=work,args=(lock,))
        p.start()

#文件db的内容为：{"count":1}
#注意一定要用双引号，不然json无法识别

def search():
    dic=json.load(open(‘db.txt‘))
    print(‘\033[1;31;40m剩余票数%s\033[0m‘%dic[‘count‘])
def get():
    dic=json.load(open(‘db.txt‘))
    time.sleep(0.1)#模拟读数据的网络延迟
    if dic[‘count‘]>0:
        dic[‘count‘]-=1
        time.sleep(0.2)#模拟写数据的网络延迟
        json.dump(dic,open(‘db.txt‘,‘w‘))
        print(‘\033[1;31;40m购票成功\033[0m‘)
def task(lock):
    search()
    get()
if __name__==‘__main__‘:
    lock=Lock()
    for i in range(5):#模拟并发5个客户端抢票
        p=Process(target=task,args=(lock,))
        p.start()

剩余票数1
剩余票数1
剩余票数1
剩余票数1
剩余票数1
购票成功
购票成功
购票成功
购票成功
购票成功

def search():
    dic=json.load(open(‘db.txt‘))
    print(‘\033[1;31;40m剩余票数%s\033[0m‘%dic[‘count‘])
def get():
    dic=json.load(open(‘db.txt‘))
    time.sleep(0.1)
    if dic[‘count‘]>0:
        dic[‘count‘]-=1
        time.sleep(0.2)
        json.dump(dic,open(‘db.txt‘,‘w‘))
        print(‘\033[1;31;40m购票成功\033[0m‘)
def task(lock):
    search()
    lock.acquire()#上锁
    get()#买票
    lock.release()#解锁
if __name__==‘__main__‘:
    lock=Lock()
    for i in range(5):
        p=Process(target=task,args=(lock,))
        p.start()

#加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲了速度却保证了数据安全。
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（共享数据基于文件，而文件是硬盘上的数据）
2.需要自己加锁处理



#因此我们最好找寻一种解决方案能够兼顾：1、效率高（多个进程共享一块内存的数据）2、帮我们处理好锁问题。这就是mutiprocessing模块为我们提供的基于消息的IPC通信机制：队列和管道。
队列和管道都是将数据存放于内存中
队列又是基于（管道+锁）实现的，可以让我们从复杂的锁问题中解脱出来，
我们应该尽量避免使用共享数据，尽可能使用消息传递和队列，避免处理复杂的同步和锁问题，而且在进程数目增多时，往往可以获得更好的可获展性。