网络编程 队列 管道 数据共享 数据池

队列 :是进程之间安全的 自带锁
from queue import Queue
q = Queue(2)
给参数控制队列的大小如果超过大小且没人取值会一直阻塞
1. 
q.put(1) 添加数据 添加一个多一个
2. 
q.put_nowait(2) 超过队列大小 将引发Queue.Empty异常
3. 
print(q.get()) 取一个少一个 取值没值的时候阻塞
4. 
print(q.get_nowait()) 取值没有值的值的时候 报错 queue.Empty
5. 
print(q.full()) 看队列满不满 在多进程中是不准确的
6. 
print(q.empty()) 看列表空不空 在多进程中是不准确的
7. 
print(q.qsize()) 返回队列中目前项目正确数量

1队列 先进先出FIFO 维护秩序的时候用的较多， 买票  秒杀

from multiprocessing import Queue
q=Queue()
q.put(1)
q.put(2)
q.put(3)
print(q.qsize())
print(q.get())
print(q.qsize())
print(q.get())
print(q.get())
print(q.get())  #没有值的时候回堵塞
print(q.get_nowait())    #有值的时候会取值
print(q.get_nowait())   #没有值的时候会报错
print(q.full())  #在实例化的时候加一个值 当队列里的值满了会报True
print(q.empty())   #当队列里没有值了 会报True
print(q.qsize())   #获取管道里数据的个数

 子程序进 子程序出

# from multiprocessing import Queue,Process
# def func(q):
#    q.put(22)
#
# def func1(q):
#     print(q.get())
#
# if __name__ == '__main__':
#     q=Queue()
#     p=Process(target=func,args=(q,))
#     p.start()
#     p = Process(target=func1, args=(q,))
#     p.start()

# 生产者消费者模型 - 解决创造(生产)数据和处理(消费)数据的效率不平衡问题
# 把创造数据 和  处理数据放在不同的进程中,
# 根据他们的效率来调整进程的个数

# 生产数据快 消费数据慢 内存空间的浪费
# 消费数据快 生产数据慢 效率低下 

解决办法

第一版本 

from multiprocessing import Queue,Process

def func1(q,name):
    while True:
        food=q.get()
        print("%s吃了%s"  %(name,food))

def func2(q,name,food,n=10):
    for i in range(n):
        fd=food+str(i)
        print('%s 生产了 %s' % (name, fd))
        q.put(fd)

if __name__ == '__main__':
    q=Queue()
    p=Process(target=func1,args=(q,"姚志强"))
    p.start()
    p1 = Process(target=func2, args=(q,"戴恩","泔水"))
    p1.start()

第二版本 采用from multiprocessing import JoinableQueue 这个模块

import time
import random
from multiprocessing import JoinableQueue,Process
def func1(q,name):
    while True:
        food=q.get()
        print("%s吃了%s" % (name,food))
        time.sleep(1)
        q.task_done()
def  func2(q,name,food,n=10):
    for i  in range(n):
        time.sleep(random.random())
        fd=food+str(i)
        print("%s制造了%s" % (name,fd))
        q.put(fd)
    q.join()

if __name__ == '__main__':
    q=JoinableQueue(1)
    c=Process(target=func1,args=(q,"姚志强"))
    c.daemon = True
    c.start()
    c1=Process(target=func1,args=(q,"姚志强"))
    c1.daemon = True
    c1.start()
    z=Process(target=func2,args=(q,"戴恩","泔水"))
    z.start()
    z1 = Process(target=func2, args=(q, "戴恩", "清泉"))
    z1.start()
    z.join()
    z1.join()

# 只有multiprocessing中的队列 才能帮助你 实现 IPC
# 永远不可能出现数据不安全的情况,多个进程不会同时取走同一个数据
# 提供给你的方法

# 由于先进先出的特点+进程通信的功能+数据进程安全,经常用它来完成进程之间的通信
# 生产者消费者模型
    # 生产者和消费者的效率平衡的问题
    # 内存的控制 - 队列的长度限制
    # 让消费者自动停下来

# JoinableQueue
    # 在消费数据的时候 task_done
    # 在生产端主进程 join

二 管道

# 管道
# 队列就是基于管道实现的
# 队列 数据安全的
# 管道 数据不安全的
# 队列 = 管道 + 锁

# from multiprocessing import Pipe
# left,right = Pipe()
# left.send('aaa')
# print(right.recv())

# 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()
#     p = Process(target=consumer,args=(left,right))
#     p.start()
#     right.close()
#     for i in range(10):
#         left.send('hello')
#     left.close()

EOF异常的触发
    # 在这一个进程中 如果不在用这个端点了,应该close
    # 这一在recv的时候,如果其他端点都被关闭了,就能够知道不会在有新的消息传进来
    # 此时就不会在这里阻塞等待,而是抛出一个EOFError
    # * close并不是关闭了整个管道,而是修改了操作系统对管道端点的引用计数的处理

# from multiprocessing import Process,Pipe
#
# def consumer(p,name):
#     produce, consume=p
#     produce.close()
#     while True:
#         try:
#             baozi=consume.recv()
#             print('%s 收到包子:%s' %(name,baozi))
#         except EOFError:
#             break
#
# def producer(p,seq=10):
#     produce, consume=p
#     consume.close()
#     for i in range(seq):
#         produce.send(i)
#
# if __name__ == '__main__':
#     produce,consume=Pipe()
#     for i in range(5):
#         c=Process(target=consumer,args=((produce,consume),'c1'))
#         c.start()
#     for i in range(5):
#         p = Process(target=producer, args=((produce, consume)))
#         p.start()
#     producer((produce,consume))
#     produce.close()
#     consume.close()

三  数据共享

from multiprocessing import Manager,Process,Lock
def work(d,lock):
    with lock:
        d['count']-=1

if __name__ == '__main__':
    lock = Lock()
    m = Manager()
    dic=m.dict({'count':100})
    p_l=[]
    for i in range(100):
        p=Process(target=work,args=(dic,lock))
        p_l.append(p)
        p.start()
    for p in p_l:
        p.join()
    print(dic)

 # with as 的机制
    # __enter__
    # __exit__

四 数据池

    # 进程不能无限开 会给操作系统调度增加负担
    # 且真正能被同时执行的进程最多也就和CPU个数相同等
    # 进程的开启和销毁都要消耗资源和时间

import os
import time
from multiprocessing import Pool
def func(i):
    time.sleep(0.1)
    print(os.getpid(),i)

if __name__ == '__main__':
    p = Pool(5)
    for i in range(20):
        p.apply_async(func,args=(i,))
    p.close()
    p.join()