标签：平衡 comm 目录 inter ini 默认 进程 相同 close
【目录】
一、 multiprocessing模块介绍
二、 process类的介绍
三、 process类的使用
四、僵尸进程和孤儿进程
五 、守护进程
六 、进程同步(互斥锁)
七 、队列--生产者消费者模型
# python中的多线程无法利用多核优势，如果想要充分地使用多核CPU的资源（os.cpu_count()查看），在python中大部分情况需要使用多进程。
# Python提供了multiprocessing 模块——
# 作用：multiprocessing模块用来开启子进程，并在子进程中执行我们定制的任务（比如函数），该模块与多线程模块threading的编程接口类似
# 功能：multiprocessing模块的功能众多：支持子进程、通信和共享数据、执行不同形式的同步，提供了Process、Queue、Pipe、Lock等组件。
PS：需要再次强调的一点是：与线程不同，进程没有任何共享状态，进程修改的数据，改动仅限于该进程内。
Process([group [, target [, name [, args [, kwargs]]]]])，
由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）
强调：
1、需要使用关键字的方式来指定参数 eg: Process(target=task, args=(‘jason‘,))
2、group 参数未使用，值始终为None
3、target 表示调用对象，即子进程要执行的任务
4、args 表示调用对象target函数的位置参数元组，args=(1,2,‘egon‘,) ，（元组形式，用逗号隔开元素，末尾一定必须有逗号）
5、kwargs 表示调用对象的字典,kwargs={‘name‘:‘egon‘,‘age‘:18}
6、name 为子进程的名称
1、p.start()
启动进程，并调用该子进程中的p.run()
2、p.run()进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法
3、p.terminate()
强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。
如果p还保存了一个锁那么也将不会被释放，进而导致死锁
4、p.is_alive()
如果p仍然运行，返回True
5、p.join([timeout])
主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。
timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程
1、p.daemon
默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，
并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置
2、p.name 进程的名称
3、p.pid 当前进程的pid
4、p.ppid 当前进程的父进程的pid
5、p.exitcode
进程在运行时为None、如果为–N，表示被信号N结束(了解即可)
6、p.authkey
进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。
这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）
# windows操作系统下 创建进程一定要在main内创建,
因为windows下创建进程类似于模块导入的方式,会从上往下依次执行代码
# linux中则是直接将代码完整地拷贝一份
注意：在windows中,Process() 必须放到 # if __name__ == ‘__main__‘:下
# 第一种 from multiprocessing import Process import time def task(name): print(‘%s is running‘%name) time.sleep(3) print(‘%s is over‘%name) if __name__ == ‘__main__‘: # 1 创建一个对象 p = Process(target=task, args=(‘jason‘,)) # 容器类型哪怕里面只有1个元素 建议要用逗号隔开 # 2 开启进程 p.start() # 告诉操作系统帮你创建一个进程 异步 print(‘主‘)
# 第二种方式 类的继承 from multiprocessing import Process import time class MyProcess(Process): def run(self): print(‘hello bf girl‘) time.sleep(1) print(‘get out!‘) if __name__ == ‘__main__‘: p = MyProcess() p.start() print(‘主‘)
from multiprocessing import Process n=100 #在windows系统中应该把全局变量定义在if __name__ == ‘__main__‘之上就可以了 def work(): global n n=0 print(‘子进程内: ‘,n) if __name__ == ‘__main__‘: p=Process(target=work) p.start() print(‘主进程内: ‘,n)
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.start() p.join(0.0001) #等待p停止,等0.0001秒就不再等了 print(‘开始‘) join：主进程等，等待子进程结束
from multiprocessing import Process import time,os def task(): print(‘%s is running‘ %os.getpid()) time.sleep(3) if __name__ == ‘__main__‘: p=Process(target=task) p.start() p.join() # 等待进程p结束后，join函数内部会发送系统调用wait，去告诉操作系统回收掉进程p的id号 print(p.pid) # ？？？此时能否看到子进程p的id号 print(‘主‘) # ———————————————————————————— #答案：可以 #分析： p.join()是向操作系统发送请求，告知操作系统p的id号不需要再占用了，回收就可以， 此时在父进程内还可以看到p.pid,但此时的p.pid是一个无意义的id号，因为操作系统已经将该编号回收 打个比方： 我党相当于操作系统，控制着整个中国的硬件，每个人相当于一个进程，每个人都需要跟我党申请一个身份证号 该号码就相当于进程的pid，人死后应该到我党那里注销身份证号，p.join()就相当于要求我党回收身份证号，但p的家人（相当于主进程） 仍然持有p的身份证，但此刻的身份证已经没有意义
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(1,5)) print(‘%s is piao end‘ %self.name) p1=Piao(‘egon1‘) p1.start() p1.terminate()#关闭进程,不会立即关闭,所以is_alive立刻查看的结果可能还是存活 print(p1.is_alive()) #结果为True print(‘开始‘) print(p1.is_alive()) #结果为False
from multiprocessing import Process import time import random class Piao(Process): def __init__(self,name): # self.name=name # super().__init__() #Process的__init__方法会执行self.name=Piao-1, # #所以加到这里,会覆盖我们的self.name=name #为我们开启的进程设置名字的做法 super().__init__() self.name=name 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.start() print(‘开始‘) print(p.pid) #查看pid
僵尸进程（有害）
一个进程使用fork创建子进程，如果子进程退出，而父进程并没有调用wait或waitpid获取子进程的状态信息，那么子进程的进程描述符仍然保存在系统中。这种进程称之为僵死进程。
详解：我们知道在unix/linux中，正常情况下子进程是通过父进程创建的，子进程在创建新的进程。子进程的结束和父进程的运行是一个异步过程,即父进程永远无法预测子进程到底什么时候结束，如果子进程一结束就立刻回收其全部资源，那么在父进程内将无法获取子进程的状态信息。
#coding:utf-8 from multiprocessing import Process import time,os def run(): print(‘子‘,os.getpid()) if __name__ == ‘__main__‘: p=Process(target=run) p.start() print(‘主‘,os.getpid()) time.sleep(1000)
孤儿进程（无害）
一个父进程退出，而它的一个或多个子进程还在运行，那么那些子进程将成为孤儿进程。孤儿进程将被init进程(进程号为1)所收养，并由init进程对它们完成状态收集工作。
孤儿进程是没有父进程的进程，孤儿进程这个重任就落到了init进程身上，init进程就好像是一个民政局，专门负责处理孤儿进程的善后工作。每当出现一个孤儿进程的时候，内核就把孤 儿进程的父进程设置为init，而init进程会循环地wait()它的已经退出的子进程。这样，当一个孤儿进程凄凉地结束了其生命周期的时候，init进程就会代表党和政府出面处理它的一切善后工作。因此孤儿进程并不会有什么危害。
孤儿进程-测试
主进程创建守护进程——“皇帝（主进程）驾崩，好多陪葬（守护进程）”
其一：守护进程会在主进程代码执行结束后就终止
其二：守护进程内无法再开启子进程,
否则抛出异常：AssertionError: daemonic processes are not allowed to have children
注意：进程之间是互相独立的，主进程代码运行结束，守护进程随即终止
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
进程之间数据不共享,但是共享同一套文件系统,所以访问 同一个文件,或 同一个打印终端,是没有问题的,
而共享带来的是竞争，竞争带来的结果就是错乱，如何控制——加锁处理——牺牲效率，保证有序和数据安全
#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 from multiprocessing import Process,Lock import time,json,random def search(): dic=json.load(open(‘db.txt‘)) print(‘\033[43m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[43m购票成功\033[0m‘) def task(lock): search() get() if __name__ == ‘__main__‘: lock=Lock() for i in range(100): #模拟并发100个客户端抢票 p=Process(target=task,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 from multiprocessing import Process,Lock import time,json,random def search(): dic=json.load(open(‘db.txt‘)) print(‘\033[43m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[43m购票成功\033[0m‘) def task(lock): search() lock.acquire() get() lock.release() if __name__ == ‘__main__‘: lock=Lock() for i in range(100): #模拟并发100个客户端抢票 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——基于消息的IPC通信机制：队列和管道
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。
进程彼此之间互相隔离，要实现进程间通信（IPC ：Inter-Process Communication），
multiprocessing模块支持两种形式：队列和管道，这两种方式都是使用消息传递的
Queue([maxsize]):创建共享的进程队列，Queue是多进程安全的队列，可以使用Queue实现多进程之间的数据传递。
参数介绍：
maxsize是队列中允许最大项数，省略则无大小限制。
q.put()
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()
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
生产者消费者模型
在并发编程中使用生产者和消费者模式（通过一个容器来解决生产者和消费者的强耦合问题。）能够解决绝大多数并发问题。
该模式通过平衡生产线程和消费线程的工作能力来提高程序的整体处理数据的速度。
#生产者消费者模型总结
#程序中有两类角色
一类负责生产数据（生产者）
一类负责处理数据（消费者）
#引入生产者消费者模型为了解决的问题是：
平衡生产者与消费者之间的工作能力，从而提高程序整体处理数据的速度
#如何实现：
生产者<——>队列<——>消费者
#生产者消费者模型 实现类程序的解耦和
from multiprocessing import Process,JoinableQueue 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)) q.task_done() #向q.join()发送一次信号,证明一个数据已经被取走了 def producer(name,q): for i in range(10): 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)) q.join() if __name__ == ‘__main__‘: q=JoinableQueue() #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,)) c1.daemon=True c2.daemon=True #开始 p_l=[p1,p2,p3,c1,c2] for p in p_l: p.start() p1.join() p2.join() p3.join() print(‘主‘) #主进程等--->p1,p2,p3等---->c1,c2 #p1,p2,p3结束了,证明c1,c2肯定全都收完了p1,p2,p3发到队列的数据 #因而c1,c2也没有存在的价值了,应该随着主进程的结束而结束,所以设置成守护进程
参考资料：
https://www.cnblogs.com/linhaifeng/articles/7428874.html
【2020Python修炼记】python并发编程（三）多进程-应用部分
标签：平衡 comm 目录 inter ini 默认 进程 相同 close
原文地址：https://www.cnblogs.com/bigorangecc/p/12759151.html
