标签：是的 汇报 使用 roc 退出 5.6 class tar 信号量
内容大纲：
进程之间的通讯
进程队列
管道
进程之间的数据共享
进程池
使用进程池 开启进程
提交任务
获得返回值
回调函数
1.进程队列
先进先出
from multiprocessing import Queue
import queue
q = Queue()
q.put(1)
q.put(2)
q.put(3)
print(q.get())
print(q.get())
print(q.get())
1
2
3
from multiprocessing import Queue import queue q = Queue() q.put(1) q.put(2) q.put(3) print(q.get()) print(q.get()) print(q.get()) print(q.get())#q已经被取空 没法取值 程序会被夯住
from multiprocessing import Queue import queue q = Queue() q.put(1) q.put(2) q.put(3) print(q.get()) print(q.get()) print(q.get()) print(q.get_nowait())#报错queue.Empty
1 2 3
from multiprocessing import Queue
import queue
q = Queue()
q.put(1)
q.put(2)
q.put(3)
while True:
try:
print(q.get_nowait())
except queue.Empty:
break
1 2 3
from multiprocessing import Queue import queue q = Queue(3)#设置队列的最大容量 q.put(1) q.put(2) q.put(3) q.put(4)#队列已经放满了 程序被夯住
from multiprocessing import Queue
import queue
q = Queue(3)#设置队列的最大容量
while True:
try:
q.put_nowait(1)#队列放满了报出异常
except queue.Full:
break
while True:
try:
print(q.get_nowait())
except queue.Empty:
break
1 1 1
#q.empty()q.full()
这两个方法不是很可靠，因为别的进程会随时往队列里面添加或者取走元素
from multiprocessing import Queue
import queue
q = Queue(3)#设置队列的最大容量
while True:
try:
q.put_nowait(1)#队列放满了报出异常
except queue.Full:
break
print(q.empty())#判断队列是否为空
print(q.full())#判断队列是否已满
while True:
try:
print(q.get_nowait())
except queue.Empty:
break
print(q.empty())
print(q.full())
False True 1 1 1 True False
from multiprocessing import Process,Queue
def consume(q):
print(q.get())
if __name__ == ‘__main__‘:
q = Queue()
p = Process(target= consume,args=(q,))
p.start()
q.put({‘123‘:456})
{‘123‘: 456}
from multiprocessing import Process,Queue
def consume(q):
print(‘son --->‘,q.get())
q.put(‘abc‘)
if __name__ == ‘__main__‘:
q = Queue()
p = Process(target= consume,args=(q,))
p.start()
q.put({‘123‘:456})
p.join()
print(‘Foo --->‘, q.get())
son - --> {‘123‘: 456}
Foo - --> abc
2.什么是生产者消费者模型
import time
import random
from multiprocessing import Process,Queue
def consumer(q,name):
while True:
food = q.get()#循环不停的从队列里面取走元素
if food is None:break#取到None，退出循环
time.sleep(random.uniform(0.5,1))
print(‘%s吃了:%s‘%(name,food))
def producer(q,name,food):
for i in range(10):
time.sleep(random.uniform(0.3,0.8))
print(‘%s 生产了:%s%s‘%(name,food,i))
q.put(food+str(i))
if __name__ == ‘__main__‘:
q = Queue()
c1 = Process(target=consumer,args=(q,‘alex‘))
c1.start()
p1 = Process(target=producer,args=(q,‘沙县小吃‘,‘鸡腿‘))
p1.start()
p1.join()#队列里面放元素 设置成一个同步事件.
q.put(None)#生产（队列里面添加元素）结束之后 最后放一个None
沙县小吃 生产了:鸡腿0 沙县小吃 生产了:鸡腿1 alex吃了:鸡腿0 沙县小吃 生产了:鸡腿2 alex吃了:鸡腿1 沙县小吃 生产了:鸡腿3 沙县小吃 生产了:鸡腿4 alex吃了:鸡腿2 沙县小吃 生产了:鸡腿5 沙县小吃 生产了:鸡腿6 alex吃了:鸡腿3 沙县小吃 生产了:鸡腿7 alex吃了:鸡腿4 沙县小吃 生产了:鸡腿8 alex吃了:鸡腿5 沙县小吃 生产了:鸡腿9 alex吃了:鸡腿6 alex吃了:鸡腿7 alex吃了:鸡腿8 alex吃了:鸡腿9
3.可阻塞的队列 JoinableQueue
多了两个方法 q.task_done() q.join()
import time
import random
from multiprocessing import Process,JoinableQueue
def consumer(q,name):
while True:
food = q.get()#循环不行的从队列里面取走元素
# if food is None:break 这句代码在JoinableQueue中就不需要了
time.sleep(random.uniform(0.5,1))
print(‘%s吃了:%s‘%(name,food))
q.task_done()#完成了任务向队列汇报 #只有消费者里面才需要汇报
def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.3,0.8))
print(‘%s 生产了:%s%s‘%(name,food,i))
q.put(food+str(i))
if __name__ == ‘__main__‘:
jq = JoinableQueue()#可阻塞的队列
c1 = Process(target=consumer,args=(jq,‘alex‘))
c2 = Process(target=consumer,args=(jq,‘taibai‘))
c1.daemon = True
c2.daemon = True
c1.start()
c2.start()
p1 = Process(target=producer,args=(jq,‘沙县小吃‘,‘鸡腿‘))
p2 = Process(target=producer,args=(jq,‘黄焖鸡‘,‘炒米粉‘))
p1.start()
p2.start()
p1.join()#生产者把所有的元素都放到队列里面才停止
p2.join()
jq.join()#可阻塞的队列 设置成阻塞的
程序执行完成后结束：
沙县小吃 生产了:鸡腿0
黄焖鸡 生产了:炒米粉0
黄焖鸡 生产了:炒米粉1
alex吃了:鸡腿0
沙县小吃 生产了:鸡腿1
黄焖鸡 生产了:炒米粉2
taibai吃了:炒米粉0
沙县小吃 生产了:鸡腿2
alex吃了:炒米粉1
黄焖鸡 生产了:炒米粉3
alex吃了:炒米粉2
taibai吃了:鸡腿1
沙县小吃 生产了:鸡腿3
黄焖鸡 生产了:炒米粉4
沙县小吃 生产了:鸡腿4
alex吃了:鸡腿2
taibai吃了:炒米粉3
alex吃了:鸡腿3
taibai吃了:炒米粉4
alex吃了:鸡腿4
4，什么是管道？
管道有左右两端，左边发送右边接收，或者右边发送，左边接收
from multiprocessing import Pipe left,right = Pipe() left.send(‘hello‘) print(right.recv())
hello
from multiprocessing import Process,Pipe
def consumer(pipe):
print(pipe[1].recv())#pipe[1].recv()管道的右边接收
if __name__ == ‘__main__‘:
pipe = Pipe()
Process(target=consumer,args=(pipe,)).start()
pipe[0].send(‘hello‘)
hello
from multiprocessing import Process,Pipe
def consumer(left,right):
print(right.recv())#pipe[1].r
ecv()管道的右边接收
if __name__ == ‘__main__‘:
left,right = Pipe()#生成的是一个元组(左端，右端)
Process(target=consumer,args=(left,right)).start()
left.send(‘hello‘)
hello
管道端口的关闭
from multiprocessing import Pipe,Process
def consumer(left,right):
left.close()
while True:
try:
print(right.recv())
except EOFError:
break
if __name__ == ‘__main__‘:
left,right = Pipe()
Process(target=consumer,args=(left,right)).start()
right.close()
for i in range(5):
left.send(‘鸡腿%s‘%i)
left.close()
鸡腿0
鸡腿1
鸡腿2
鸡腿3
鸡腿4
总结一下：
队列是基于管道实现的
管道是基于socket实现的
队列+锁 是一种简便的IPC机制，是的进程之间的数据变得安全，
什么是IPC inter-process-commucate进程之间的通讯
socket+pickle实现进程之间的通讯，同一台计算机通过文件的收发实现进程之间的通讯
5，什么是进程池？为什么要有进程池？
开启过多的进程并不能够提高效率，反而会降低效率
进程的分类：
计算密集型：
重分占用CPU，多进程可以充利用CPU的多核
适合开启多个进程
IO密集型：
大部分的时间都在阻塞队列，而不是在运行状态，
根本不适合开启多个进程
信号量，多进程，进程池的概念区别：
现在需要生产500件衣服，应该买几台机器？雇佣几名工人？？？
信号量 模式：
500件衣服要生产 500个任务
雇佣500个人 开启了500个进程
购买4台机器 4核CPU
多进程模式：
500件衣服要生产 500个任务
雇佣500个人 开启了500个进程
购买4台机器 4核CPU
进程池模式：
500件衣服要生产 500个任务
雇佣4个人 4个人一人一台机器，不停地生产
购买4台机器 4核CPU
import time
from multiprocessing import Pool,Process
def func(num):
print(‘生产了第%s件衣服‘%num)
if __name__ == ‘__main__‘:
start = time.time()
p = Pool(4)#创建进程池 池子的最大进程是4个进程
for i in range(100):
p.apply_async(func,args=(i,))#异步提交 func到子进程中执行
p.close()#关闭池，用户不能再向池中提交任务
p.join()#阻塞，直到进程池中所有的进程都执行完毕，主进程才能结束
print(time.time()-start)
生产了第0件衣服 ... 生产了第99件衣服 2.899761915206909#时间消耗
#多进程的方式
import time
from multiprocessing import Pool,Process
def func(num):
print(‘生产了第%s件衣服‘%num)
if __name__ == ‘__main__‘:
start = time.time()
p_list = []
for i in range(10):
p = Process(target=func,args=(i,))
p.start()
p_list.append(p)
for p in p_list:
p.join()
print(time.time()-start)
生产了第1件衣服 生产了第9件衣服 生产了第2件衣服 生产了第3件衣服 生产了第4件衣服 生产了第5件衣服 生产了第0件衣服 生产了第8件衣服 生产了第6件衣服 生产了第7件衣服 5.608381509780884
同步提交与异步提交的区别
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
if __name__ == ‘__main__‘:
p = Pool(4)
for i in range(20):
p.apply(task,args=(i,))#提交任务的方式是同步提交
0 : 4424 1 : 2748 2 : 9464 3 : 4176 #后面的pid是不断的重复上面4个pid（进程编号） 4 : 4424 5 : 2748 6 : 9464 7 : 4176 8 : 4424 9 : 2748 10 : 9464 11 : 4176 12 : 4424 13 : 2748 14 : 9464 15 : 4176 16 : 4424 17 : 2748 18 : 9464 19 : 4176
#同提交的方法可以得到返回值
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
return num**2
if __name__ == ‘__main__‘:
p = Pool(4)
for i in range(20):
res = p.apply(task,args=(i,))#提交任务的方式是同步提交
print(‘-->‘,res)
0 : 9544 --> 0 1 : 4760 --> 1 2 : 9028 --> 4 3 : 9572 --> 9 4 : 9544 --> 16 5 : 4760 --> 25 6 : 9028 --> 36 7 : 9572 --> 49 8 : 9544 --> 64 9 : 4760 --> 81 10 : 9028 --> 100 11 : 9572 --> 121 12 : 9544 --> 144 13 : 4760 --> 169 14 : 9028 --> 196 15 : 9572 --> 225 16 : 9544 --> 256 17 : 4760 --> 289 18 : 9028 --> 324 19 : 9572 --> 361
#异步提交 不能拿到任务的结果 但是可以拿到 任务提交的情况
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
return num**2
if __name__ == ‘__main__‘:
p = Pool()
for i in range(5):
res = p.apply_async(task,args=(i,))#提交任务的方式是异步提交
print(‘-->‘,res)
--> <multiprocessing.pool.ApplyResult object at 0x0000000DBF84C438> --> <multiprocessing.pool.ApplyResult object at 0x0000000DBF84C518> --> <multiprocessing.pool.ApplyResult object at 0x0000000DBF84C5C0> --> <multiprocessing.pool.ApplyResult object at 0x0000000DBF84C6A0> --> <multiprocessing.pool.ApplyResult object at 0x0000000DBF84C780>
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
if __name__ == ‘__main__‘:
p = Pool()
for i in range(5):
p.apply_async(task,args=(i,))#提交任务的方式是同步提交
p.close()#关闭池子 不能再往里面添加任务
p.join()#进程池设置成阻塞 任务完成了主进程成才能关闭
0 : 10100 1 : 624 2 : 8288 3 : 9532 4 : 10100
进程池总结：
p = Pool()实例化的时候进程的个数 默认值是cpu的个数u，或者设置成cpu+1
提交任务：
同步提交：apply(函数名，args =())
#有返回值，返回值是子函数逇返回值
#一个任务接着一个任务按顺序同步执行，没有任何并发的结果
异步提交：apply_async
#返回值是任务提交的结果
#p.close()
#p.join()
#必须先close()再join()，p设置成阻塞，直到p中所有的进程都执行完毕，才结束主进程
#这种法法取值，与同步提交没有区别
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
return num**2
if __name__ == ‘__main__‘:
p = Pool()
for i in range(5):
res = p.apply_async(task,args=(i,))#提交任务的方式是同步提交
print(res.get())
0: 8836
0
1: 9248
1
2: 9780
4
3: 2588
9
4: 8836
16
#将计算的结果放进列表
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
return num**2
if __name__ == ‘__main__‘:
p = Pool()
res_lsit = []
for i in range(5):
res = p.apply_async(task,args=(i,))#提交任务的方式是同步提交
res_lsit.append(res)#将计算的结果放进列表
for res in res_lsit:
print(res.get())
0 : 9424 0 1 : 912 1 2 : 8572 4 3 : 7436 9 4 : 9424 16
#p.map(函数名,参数)
import time,os
from multiprocessing import Pool
def task(num):
time.sleep(1)
print(‘%s : %s ‘%(num,os.getpid()))
return num**2
if __name__ == ‘__main__‘:
p = Pool()
p.map(task,range(5))
0 : 2880 1 : 8388 2 : 7888 3 : 9540 4 : 2880
第35篇 进程之间的通信 Queue Pipe 进程池Pool，p.apply()方法，p.apply_async()方法
标签：是的 汇报 使用 roc 退出 5.6 class tar 信号量
原文地址：https://www.cnblogs.com/cavalier-chen/p/9683892.html
