python 学习_第四模块 并发编程（多进程）

第四模块 并发编程（多进程）

 

 

---

 

一  进程理论

1.进程

　　正在进行的一个过程或者说一个任务。负责执行的任务则是CPU

2.进程与程序的区别
　　程序是一堆代码，而进程指的是程序的运行过程

3.并发与并行
　　并发： 是伪并行，看起来同时运行。单个CPU+多道技术就以实现并发
　　并行： 同时运行， 只有多个CPU才能实现并行

4.进程的创建
　　1.系统初始化
　　2.一个进程在运行过程中开启子进程
　　3. 用户交互请求，而创建一个新进程
　　4. 一个批处理作业初始化

　　在Unix中系统调用时： fork，fork会创建一个与父进程一模一样的副本，二者有相同的存储映像，同样的环境字符串和同样的打开文件（在shell解释器进程中， 执行一个命令就会创建一个子进程）

5.进程的终止

　　1.正常退出（自愿，如果用户点击交互页面的叉号，或程序执行完毕调用发起系统调用正常退出，在linux中用exit，Windows 用 ExitProcess）

　　2.出错退出

　　3. 严重错误（引用不存在的内存， I/0等， 可以捕捉异常 ，try except）

　　4. 被其他进程杀死 kill 9

6.进程的层次结构

　　1.在Unix中所有的进程，都是以init进程为根，组成树形结构，父子进程国通组成一个进程组，当键盘发出一个信号时，该信号被送给当前与键盘相关的进程组中的所有成员
　　

　　2. 在Windows中， 没有进程层次概念，所有的进程都是地位相同的， 唯一类似于进程层次的暗示，是在创建进程时，父进程得到一个特别的令牌（称为句柄），该句柄可以用来控制子进程，但父进程有权吧该句柄传给其他子进程， 这样就没有层次概念


7.进程的状态
　　tailf test.log | grep yyy
　　执行程序 tail， 开启一个子进程，执行程序grep， 开启另外一个子进程，连个进程之间基于管道 通讯，讲tail的结果作为grep的输出

　　进程grep在等待输入 (即I/0)时的状态称为阻塞， 此时grep命令都无法运行。

　　2种情况下会导致一个进程在逻辑上不能运行
　　　　1. 进程挂起自身原因，遇到I/0阻塞，便让出CPU让其他进程去执行。这样保证CPU一直在工作
　　　　2. 与进程无关， 是操作系统层面，可能会因为一个进程占用时间过多，或者优先级等原因，而调用其他的进程去使用CPU


　　进程的三种状态：

---

二  开启进程的方式

需要掌握multiprocessing模块开启进程的两种方式

1.multiprocessing模块介绍

　　Python中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中大部分情况下需要使用多进程

　　Python 提供了multiprocessing。multiprocessing模块用来开启子进程，并在进程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，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

　　需要强调的是： 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


2. Process类的介绍

创建进程的类

　　Process(group=None, target=None, name=None, args=(), kwargs={}),由该类实例化得到的对象，可用来开启一个子进程

　　需要注意是：
　　　　使用关键字的方式来指定参数
　　　　args指定的传给target函数的位置参数，是一个元组形式， 必须有逗号


　　参数介绍

　　group 参数为使用，值始终未None
　　target表示调用对象，即子进程要执行的任务
　　args 表示调用对象的位置参数元组，args=(1,2,3,)
　　kwargs 表示调用对象的字典，kwargs= {"name":"augustyang,"age":18}
　　name为子进程的名称

　　方法介绍

　　p.start() 启动进程，并调用该子进程中的p.run()
　　p.run() 进程启动时运行的方法，正是它去调用target指定的函数，我们自定义的类中一定要实现该方法
　　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还保持了一个锁那么也将不会被释放，进而导致死锁
　　p.is_alive() 如果p运行 返回True
　　p.join(timeout=None) 主进程等待p终止（强调 是主线程处于等的状态，而p处于运行的状态）。 timeout 是可选的超时时间

　　属性介绍

　　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
　　p.name 进程的名称
　　p.pid 进程pid

3. Process类的使用

　　在windows中Process() 必须放到 if __name__=="__main__" 下

　　创建并开启子进程的方式一

from  multiprocessing import  Process
import time,random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":
    p1 = Process(target=start_course,args=("english",))
    p2 = Process(target=start_course,args=("chinese",))
    p3 = Process(target=start_course,args=("maths",))
    p4 = Process(target=start_course,args=("python",))

    p1.start()
    p2.start()
    p3.start()
    p4.start()
    print("主")

 　　创建并开启子进程的方式二

from  multiprocessing import  Process
import time,random

class start_course(Process):

    def __init__(self,name):
        super().__init__()
        self.name = name


    def run(self):
        print("%s learning"%self.name)
        time.sleep(random.randint(1,8))
        print("%s endding "%self.name)

if __name__ == "__main__":
    p1 = start_course("english")
    p2 = start_course("chinese")
    p3 = start_course("chinese")
    p4 = start_course("python")

    p1.start()
    p2.start()
    p3.start()
    p4.start()
    print("主")

2. 基于多进程实现并发的套接字通信

　　server:

from socket import *
from  multiprocessing import  Process


def connent(ip,port):
    s = socket(AF_INET,SOCK_STREAM)
    s.bind((ip,port))
    s.listen(5)
    while True:
        conn,addr = s.accept()
        t = Process(target=server, args=(conn,))
        t.start()

    s.close()

def server(conn):
    while True:
        try:
            data = conn.recv(1024)
            conn.send(data.upper())
        except ConnectionResetError:
            break
    conn.close()

if __name__ == "__main__":
    connent("127.0.0.1", 6666)

　　client:

from socket import *


def client(ip,port):
    c = socket(AF_INET,SOCK_STREAM)
    c.connect((ip,port))
    while True:
        data = input(">>>: ").strip()
        if not data:continue
        c.send(data.encode("utf-8"))
        data = c.recv(1024)
        print(data.decode("utf-8"))


if __name__ == "__main__":
    c = client("127.0.0.1",6666)

---

三  join方法

在主进程运行过程中如果想并发地执行其他任务，我们可以开启子进程。此时主进程的任务与子进程的任务分两种情况。
　　情况一：
　　　　在主进程的任务与子进程的任务彼此独立的情况下，主进程的任务先执行完毕后，主进程还需要等待子进程执行完毕，然后统一回收资源。
　　情况二：
　　　　如果主进程的任务在执行到某个阶段时，需要等待子进程执行完毕后才能继续执行，就需要有一种机制能够让主进程检测子进程是否运行完毕，在子进程执行完毕后才继续执行，否则一直在原地阻塞，这就是join方法的作用

1. join的使用

# 一  并行

from  multiprocessing import Process
import  time,random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":
    p1 = Process(target=start_course, args=("python",))
    p2 = Process(target=start_course, args=("english",))
    p1.start()
    p2.start()
    p1.join()    # 等待p停止， 才执行下一行代码
    p2.join()
    print("zhu")

# 二 Python执行完  才能执行English
from  multiprocessing import Process
import  time,random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":

    p1 = Process(target=start_course, args=("python",))
    p2 = Process(target=start_course, args=("english",))
    p1.start()
    p1.join()
    p2.start()
    p2.join()
    print("zhu")

2 进程的其他方法： terminate 与 is_alive

from  multiprocessing import  Process
import time,random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":
    p1 = Process(target=start_course, args=("python",))
    p1.start()
    p1.terminate()  # 关闭进程， 不会立刻关闭，所以 is_alive 可以查看结果可能还是存活
    print(p1.is_alive())  # 结果为True
    print('主')
    print(p1.is_alive())  # 结果为False

3 进程的其他方法： name 与 pid

from  multiprocessing import  Process
import time,random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":
    p1 = Process(target=start_course, args=("python",))
    p1.start()


    print(p1.name,p1.pid)

'''
Process-1 12796
python learning
python endding 

'''

---

四  守护进程

主进程创建子进程， 然后将该进程设置成守护自己的进程， 守护进程就好比崇祯皇帝身边的老太监，崇祯皇帝已死老太监就跟着殉葬

　　守护进程需要关注2两点：
　　　　1. 守护进程会在主进程代码执行结束后就终止
　　　　2. 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

守护进程案例

from  multiprocessing import  Process
import random

def start_course(name):
    print("%s learning"%name)
    time.sleep(random.randint(1,8))
    print("%s endding "%name)

if __name__ == "__main__":
    p1 = Process(target=start_course, args=("python",))
    p1.daemon = True
    p1.start()
    print("end...")
'''
end...
'''



from  multiprocessing import  Process
import time

def foo():
    print(123)
    time.sleep(1)
    print("end123")

def bar():
    print(456)
    time.sleep(1)
    print("end456")

if __name__ == "__main__":
    p1 = Process(target=foo)
    p2 = Process(target=bar)

    p1.daemon = True
    p1.start()
    p2.start()
    print("main....")

'''
main....
456
end456
'''

---

五  互斥锁

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，而共享带来的竞争，竞争带来的结果就是错乱

并发运行， 效率高，单竞争同一打印终端，带来了打印错乱

# 并发运行， 效率高，单竞争同一打印终端，带来了打印错乱
from multiprocessing import  Process
import os,time,random
def work():
    print("%s is running "% os.getpid())
    time.sleep(random.randint(1,5))
    print("%s is done" %os.getpid())

if __name__ == "__main__":
    for i in range(3):
        p = Process(target=work)
        p.start()
'''
3912 is running 
9720 is running 
11924 is running 
11924 is done
3912 is done
9720 is done
'''

　　如何控制打印错乱，就是加锁处理，而互斥锁的意思就是互相排斥，如果把多个进程比喻成多个人，互斥锁的工资原理就是多个人都要争夺同给一个资源： 卫生间，
一个人抢到卫生间后上一把锁， 其他人都要等着， 等到这个完成任务后释放锁，其他人才有可能有一个抢到。。。。所以互斥锁的原理，就是把并发改成串行，降低了效率，但保证了数据安全不错乱

 把并行上加上锁，牺牲了运行效率，但避免了竞争

# 并行改成串行，牺牲了运行效率，但避免了竞争
from multiprocessing import  Process,Lock
import os,time,random

def work(lock):
    lock.acquire() # 加锁
    print("%s is running "% os.getpid())
    time.sleep(random.randint(1,5))
    print("%s is done" %os.getpid())
    lock.release() # 释放锁
if __name__ == "__main__":
    lock= Lock()
    for i in range(3):
        p = Process(target=work,args=(lock,))
        p.start()
'''
11448 is running 
11448 is done
7816 is running 
7816 is done
6440 is running 
6440 is done
'''

---

六 队列
　　进程彼此之间相互隔离, 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

参数介绍
　　maxsize是队列中允许最大项数，省略则无大小限制
　　需要明确
　　　　1. 队列内存存放的是消息而非大数据
　　　　2. 队列暂用的是内存空间，因而maxsize即便是无大小限制也受限于内存大小


主要方法介绍
　　q.put 方法用以插入数据到队列中
　　q.get 方法可以从队列读取并删除一个元素


队列的使用

from   multiprocessing import  Process,Queue
q = Queue(3)

q.put(1)
q.put(2)
q.put(3)
print(q.full()) # True

print(q.get())
print(q.get())
print(q.get())

 

 

---

 

 

七 生产者消费者模型

1.生产者消费者模型介绍：

为什么要使用生产者消费者模型
　　生产者指的是生产数据的任务，消费者指的是处理数据的任务，在并发编程中，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

什么是生产者和消费者模式
　　生产者消费者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，阻塞队列相当于一个缓存区,平衡了生产者和消费者的处理能力

2. 生产者消费者模型实现

from  multiprocessing import Process,Queue
import time,random

def consumer(q,name):
    while True:
        res = q.get()
        time.sleep(random.randint(1,3))
        print("%s 吃  %s" %(name,res))

def producer(q,name,food):
    for i in range(3):
        time.sleep(random.randint(1,3))
        res = "%s%s" %(food,i)
        q.put(res)
        print("%s 生产了 %s" %(name,res))

if __name__ == "__main__":
    q = Queue()
    # 生产者
    p1 = Process(target=producer,args=(q,'egon','包子'))

    #消费者
    c1 = Process(target=consumer,args=(q,'alex'))

    p1.start()
    c1.start()
    print('主')

 解决方式无非是让生产者在生产完毕后，往队列中再发一个结束信号，这样消费者在接收到结束信号后就可以break出死循环

from  multiprocessing import Process,Queue
import time,random

def consumer(q,name):
    while True:
        res = q.get()
        if res is None:break
        time.sleep(random.randint(1,3))
        print("%s 吃  %s" %(name,res))

def producer(q,name,food):
    for i in range(3):
        time.sleep(random.randint(1,3))
        res = "%s%s" %(food,i)
        q.put(res)
        print("%s 生产了 %s" %(name,res))

if __name__ == "__main__":
    q = Queue()
    # 生产者
    p1 = Process(target=producer,args=(q,'egon','包子'))

    #消费者
    c1 = Process(target=consumer,args=(q,'alex'))

    p1.start()
    c1.start()
    p1.join()
    q.put(None)
    print('主')

from multiprocessing import  Process,JoinableQueue
import  time,random

def consumer(q,name):
    while True:
        res = q.get()
        time.sleep(random.randint(1,3))
        print("%s 吃了 %s" %(name,res))
        q.task_done()  # 发送q.join()    说明已经从队列中取走一个数据并处理完毕

def producer(q,name,food):
    for i in range(3):
        time.sleep(random.randint(1,3))
        res = "%s %s" %(food,i)
        q.put(res)
        print("%s 生产了 %s" %(name,res))
    q.join()

if __name__ == "__main__":
    q = JoinableQueue()
    # 生产者
    p1= Process(target=producer,args=(q,"egon1","包子"))
    p2= Process(target=producer,args=(q,"egon2","包子111"))

    # 消费者
    c1 = Process(target=consumer,args=(q,'alex1'))
    c1.daemon = True

    # 开始
    p1.start()
    p2.start()
    c1.start()

    p1.join()
    p2.join()

    print("主")

'''  
JoinableQueue     的实例p除了与Queue对象相同的方法之外还具有：
    q.task_done()：   使用者使用此方法发出信号，表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量，将引发ValueError异常
    q.join():         生产者调用此方法进行阻塞，直到队列中所有的项目均被处理。阻塞将持续到队列中的每个项目均调用q.task_done（）方法为止
'''