进程之间数据隔离,但是共享一套文件系统,因而可以通过文件来实现进程直接的通信,但问题是必须自己加锁处理。注意:加锁的目的是为了保证多个进程修改同一块数据时,同一时间只能有一个修改,即串行的修改,没错,速度是慢了,牺牲了速度而保证了数据安全。
1.上厕所的小例子:你上厕所的时候肯定得锁门吧,有人来了看见门锁着,就会在外面等着,等你吧门开开出来的时候,下一个人才去上厕所。
from multiprocessing import Process,Lock
import os
import time
def work(mutex):
mutex.acquire()
print('task[%s] 上厕所'%os.getpid())
time.sleep(3)
print('task[%s] 上完厕所'%os.getpid())
mutex.release()
if __name__ == '__main__':
mutex = Lock()
p1 = Process(target=work,args=(mutex,))
p2 = Process(target=work,args=(mutex,))
p3 = Process(target=work,args=(mutex,))
p1.start()
p2.start()
p3.start()
p1.join()
p2.join()
p3.join()
print('主')
import json
import time
from multiprocessing import Process,Lock
def search(name):
time.sleep(1)
dic = json.load(open("db.txt", "r", encoding="utf-8"))
print("<%s> 查看到的剩余票数 %s" % (name, dic["count"]))
def get(name):
time.sleep(0.1)
dic = json.load(open("db.txt", "r", encoding="utf-8"))
if dic["count"] > 0:
dic["count"] -= 1
time.sleep(0.1)
json.dump(dic, open("db.txt", "w", encoding="utf-8"))
print("<%s> 购票成功" % name)
else:
print("<%s> 购票失败,已经无剩余票" % name)
def task(name, mutex):
search(name)
mutex.acquire()
get(name)
mutex.release()
if __name__ == "__main__":
mutex = Lock()
for i in range(100):
p = Process(target=task, args=("路人%s" % i, mutex))
p.start()
方式一:队列(推荐使用)
进程彼此之间互相隔离,要实现进程间通信(IPC),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。
1.队列:队列类似于一条管道,元素先进先出
需要注意的一点是:队列都是在内存中操作,进程退出,队列清空,另外,队列也是一个阻塞的形态
2.队列分类
队列有很多种,但都依赖与模块queue
queue.Queue() #先进先出
queue.LifoQueue() #后进先出
queue.PriorityQueue() #优先级队列
queue.deque() #双线队列
创建队列的类(底层就是以管道和锁定的方式实现):
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:
1 maxsize是队列中允许最大项数,省略则无大小限制。
方法介绍:
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
应用
# 1.可以往队列里放任意类型的
# 2.先进先出
from multiprocessing import Process,Queue
q= Queue(3)
q.put('first') #默认block=True
q.put('second')
q.put('third')
print(q.get())
print(q.get())
print(q.get())
生产者和消费者模型
在并发编程中使用生产者和消费者模式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。
为什么要使用生产者和消费者模式
在线程世界里,生产者就是生产数据的线程,消费者就是消费数据的线程。在多线程开发当中,如果生产者处理速度很快,而消费者处理速度很慢,那么生产者就必须等待消费者处理完,才能继续生产数据。同样的道理,如果消费者的处理能力大于生产者,那么消费者就必须等待生产者。为了解决这个问题于是引入了生产者和消费者模式。
什么是生产者消费者模式
生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯,而通过阻塞队列来进行通讯,所以生产者生产完数据之后不用等待消费者处理,直接扔给阻塞队列,消费者不找生产者要数据,而是直接从阻塞队列里取,阻塞队列就相当于一个缓冲区,平衡了生产者和消费者的处理能力。
基于队列实现生产者消费者模型
一个生产者和一个消费者(有两种方式):
1、q.put(None):生产者给放一个None进去
from multiprocessing import Process,Queue
import os
import time
import random
#首先得有生产者和消费者
# 生产者制造包子
'''这种用 q.put(None)放进去一个None的方法虽然解决了问题
但是如果有多个生产者多个消费者,或许框里面没有包子了但是
还有其他的食物呢,你就已经显示空着,这样也可以解决,就是不完美,
还可以用到JoinableQueue去解决'''
def producter(q):
for i in range(10):
time.sleep(2) #生产包子得有个过程,就先让睡一会
res = '包子%s'%i #生产了这么多的包子
q.put(res) #把生产出来的包子放进框里面去
print('\033[44m%s制造了%s\033[0m'%(os.getpid(),res))
q.put(None) #只有生产者才知道什么时候就生产完了(放一个None进去说明此时已经生产完了)
# 消费者吃包子
def consumer(q):
while True:#假如消费者不断的吃
res = q.get()
if res is None:break #如果吃的时候框里面已经空了,就直接break了
time.sleep(random.randint(1,3))
print('\033[41m%s吃了%s\033[0m' % (os.getpid(),res))
if __name__ == '__main__':
q = Queue()
p1 = Process(target=producter,args=(q,))
p2 = Process(target=consumer,args=(q,))
p1.start()
p2.start()
p1.join()
p2.join() #等待执行完上面的进程,在去执行主
print('主')
2、利用JoinableQueue
from multiprocessing import Process,JoinableQueue
import os
import time
import random
#首先得有生产者和消费者
# 消费者吃包子
def consumer(q):
while True:
res = q.get()
time.sleep(random.randint(1,3))
print('\033[41m%s吃了%s\033[0m' % (os.getpid(),res))
q.task_done() #任务结束了(消费者告诉生产者,我已经吧东西取走了)
def product_baozi(q):
for i in range(5):
time.sleep(2)
res = '包子%s' % i
q.put(res)
print('\033[44m%s制造了%s\033[0m' % (os.getpid(), res))
q.join() #不用put(None) 了,在等q被取完。(如果数据没有被取完,生产者就不会结束掉)
def product_gutou(q):
for i in range(5):
time.sleep(2)
res = '骨头%s' % i
q.put(res)
print('\033[44m%s制造了%s\033[0m' % (os.getpid(), res))
q.join()
def product_doujiang(q):
for i in range(5):
time.sleep(2)
res = '豆浆%s' % i
q.put(res)
print('\033[44m%s制造了%s\033[0m' % (os.getpid(), res))
q.join()
if __name__ == '__main__':
q = JoinableQueue()
# 生产者们:厨师们
p1 = Process(target=product_baozi,args=(q,))
p2 = Process(target=product_doujiang,args=(q,))
p3 = Process(target=product_gutou,args=(q,))
#消费者们:吃货们
p4 = Process(target=consumer,args=(q,))
p5 = Process(target=consumer,args=(q,))
p4.daemon = True
p5.daemon = True
# p1.start()
# p2.start()
# p3.start()
# p4.start()
# p5.start()
li = [p1,p2,p3,p4,p5]
for i in li:
i.start()
p1.join()
p2.join()
p3.join()
print('主')
方式二:管道(不推荐使用,了解即可)
管道相当于队列,但是管道不自动加锁
方式三:共享数据(不推荐使用,了解即可)
共享数据也没有自动加锁的功能,所以还是推荐用队列的。感兴趣的可以研究研究管道和共享数据
相关视频;
领取专属 10元无门槛券
私享最新 技术干货