『Python』进程同步

1. Lock（互斥锁）

是可用的最低级的同步指令。Lock处于锁定状态时，不被其他的线程拥有。

from multiprocessing import Process, Value, Lock


def func1(num, lock: Lock):
    lock.acquire()
    print(num.value)
    num.value += 1
    lock.release()


if __name__ == '__main__':
    lock = Lock()  # 创建锁对象
    val = Value('i', 0)
    proc = [Process(target=func1, args=(val, lock)) for i in range(10)]
    for p in proc:
        p.start()
    for p in proc:
        p.join()

    print(val.value)    # 10

上面获取锁和释放锁可以用with语句简化，它可以自动获取和释放锁

def func1(num, lock): 
    with lock:
        num.value += 1

输出：

0
1
2
3
4
5
6
7
8
9
10

2. RLock（递归锁）

是一个可以被同一个进程请求多次的同步指令。RLock使用了“拥有的进程”和“递归等级”的概念，处于锁定状态时，RLock被某个进程拥有。拥有RLock的进程可以多次调用acquire()，释放锁时需要调用release()相同次数，其他进程在此期间得不到锁。

主要就是对于进程处理中会有一些比较复杂的代码逻辑过程，比如很多层的函数调用，而这些函数其实都需要进行加锁保护数据访问。

这样就可能会反复的多次加锁，因而用RLock就可以进行多次加锁、解锁，直到最终锁被释放；而如果用普通的Lock，当你一个函数A已经加锁，它内部调用另一个函数B，如果B内部也会对同一个锁加锁，那么这种情况就也会导致死锁。而RLock可以解决这个问题。

from multiprocessing import Process
from multiprocessing import RLock, Lock, Value


def f(v, lock):
    with lock:
        g(v, lock)


def g(v, lock):
    with lock:
        for _ in range(10):
            v.value += 1
            print(f"g()===>{v.value}")


if __name__ == '__main__':
    # lock = Lock() # 如果用Lock，就会出现死锁
    lock = RLock()
    v = Value("i", 0)
    p = Process(target=f, args=(v, lock))
    p.start()
    p.join()
    print(v.value)  # 10

输出：

g()===>1
g()===>2
g()===>3
g()===>4
g()===>5
g()===>6
g()===>7
g()===>8
g()===>9
g()===>10
10

3. Semaphore（信号量同步）

互斥锁同时只允许一个进程更改数据，而信号量Semaphore是同时允许一定数量的进程更改数据 。

信号量同步基于内部计数器，每调用一次acquire()，计数器减1；每调用一次release()，计数器加1，当计数器为0时，acquire()调用被阻塞。

这是Dijkstra信号量概念PV操作的Python实现。信号量同步机制适用于访问像服务器这样的有限资源，它与进程池的概念很像，但是要区分开，信号量涉及到加锁的概念。

【示例·KTV】

假设商场里有4个迷你唱吧，所以同时可以进去4个人，如果来了第五个人就要在外面等待，等到有人出来才能再进去玩。

import random
import time
from multiprocessing import Process, Semaphore


def ktv(i, mutex):
    with mutex:
        print(f"person{i}进来唱歌了")
        time.sleep(random.randint(1, 5))  # 唱歌时间
        print(f"person{i}从ktv出去了")


if __name__ == '__main__':
    mutex = Semaphore(4)
    for i in range(5):
        Process(target=ktv, args=(i, mutex)).start()

输出：

person2进来唱歌了
person0进来唱歌了
person1进来唱歌了
person3进来唱歌了
person1从ktv出去了
person4进来唱歌了
person3从ktv出去了
person0从ktv出去了
person2从ktv出去了
person4从ktv出去了

信号量和锁有点类似，它们之间的区别，信号量，相当于计算器

信号量： 锁 + 计数器

acquire()： 计数器 - 1，计数器减为0时阻塞

release()： 计数器+ 1

4. Condition（条件同步）

Condition被称为条件变量，除了提供与Lock类似的acquire()和release()方法外，还提供了wait()和notify()方法，还有notify_all()与wait_for()方法。

【基本原理】

可以认为Condition对象维护了一个锁（Lock/RLock)和一个waiting池。进程通过acquire()获得Condition对象，当调用wait()方法时，进程会释放Condition内部的锁并进入blocked状态，同时在waiting池中记录这个进程。当调用notify()方法时，Condition对象会从waiting池中挑选一个进程，通知其调用acquire()方法尝试取到锁。

Condition对象的构造函数可以接受一个Lock/RLock对象作为参数，如果没有指定，则Condition对象会在内部自行创建一个RLock。

除了notify()方法外，Condition对象还提供了notify_all()方法，可以通知waiting池中的所有进程尝试acquire内部锁。由于上述机制，处于waiting状态的进程只能通过notify()方法唤醒，所以notify_all()的作用在于防止有的线程永远处于沉默状态。

【示例·一人问一人答】

import time
from multiprocessing import Process, Condition


class Male(Process):
    def __init__(self, cond):
        super().__init__()
        self.__cond = cond

    def run(self):
        with self.__cond:
            time.sleep(2)  # 防止死锁
            print("昔日龌龊不足夸")
            self.__cond.notify()
            self.__cond.wait()
            print("春风得意马蹄疾")
            self.__cond.notify()


class Female(Process):
    def __init__(self, cond):
        super().__init__()
        self.__cond = cond

    def run(self):
        with self.__cond:
            self.__cond.wait()
            print("今朝放荡思无涯")
            self.__cond.notify()
            self.__cond.wait()
            print("一日看尽长安花")


if __name__ == '__main__':
    cond = Condition()
    male = Male(cond)
    female = Female(cond)
    female.start()
    male.start()

输出：

昔日龌龊不足夸
今朝放荡思无涯
春风得意马蹄疾
一日看尽长安花

5. Event（事件）

Python进程的事件用于主进程控制其他进程的执行，事件对象管理一个内部标志，默认为False，主要提供了以下方法：

• is_set()：

  当且仅当内部标志为True时，返回True

• set()：

  将内部标志设置为True。所有正在等待这个事件的线程将被唤醒。

• clear()：

  将内部标志设置为False。

• wait(timeout=None)：

  阻塞进程直到内部变量为True。如果调用时内部标志为True，将立即返回，否则将阻塞进程，直到调用set()方法将标志设置为True或者超过设置的超时时间（秒）。

【示例·模拟红绿灯】

车看作是一个进程，wait()等红灯，根据状态变化，wait()遇到True信号，就非阻塞，遇到False，就阻塞；交通灯也是一个进程 红灯：False 绿灯：True。

import random
import time
from multiprocessing import Process, Event


class TrafficLight(Process):
    def __init__(self, e):
        super().__init__(name="TrafficLight")
        self.e = e

    def run(self):
        print('33[1;31m红灯亮33[0m')
        time.sleep(2)
        while True:
            if not self.e.is_set():
                print('33[1;32m绿灯亮33[0m')
                self.e.set()
            else:
                print('33[1;31m红灯亮33[0m')
                self.e.clear()
            time.sleep(2)


class Car(Process):
    def __init__(self, i, e):
        super().__init__(name="Car")
        self.i = i
        self.e = e

    def run(self):
        if not self.e.is_set():
            print(f"car{self.i}正在等待")
        self.e.wait()
        print(f"car{self.i}通过路口")


if __name__ == '__main__':
    e = Event()
    TrafficLight(e).start()
    for i in range(50):
        time.sleep(random.randrange(0, 5, 2))
        Car(i, e).start()

部分输出：

红灯亮
car0正在等待
绿灯亮
car0通过路口
红灯亮
绿灯亮
car1通过路口
红灯亮
car2正在等待
绿灯亮
car2通过路口
红灯亮
car4正在等待
car3正在等待
绿灯亮
car3通过路口
car4通过路口
car5通过路口

6. IPC的解决方案

当使用多个进程时，通常使用消息传递来进行进程之间的通信（IPC），并必须避免使用任何同步原语（如锁）。对于传递消息，可以使用Pipe()（用于两个进程之间的连接）或队列Queue（允许多个生产者和消费者）。

6.1 Pipe（不推荐使用）

Pipe常用来在两个进程间通信，两个进程分别位于管道的两端，默认是双向的。

• 创建管道

  语法：Pipe(duplex=True)

  功能：在两个进程之间创建一条管道，并返回元组(conn1,conn2)，其中conn1，conn2表示管道两端的连接对象，强调一点：必须在产生Process对象之前产生管道

  参数：duplex默认为True，表示管道是全双工的，如果duplex为False，则conn1只能用于接收，conn2只能用于发送。

  from multiprocessing import Pipe
  
  # 创建双向的Pipe
  conn1, conn2 = Pipe(True)
  # 创建单向Pipe，conn4只能send()，conn3只能recv()
  conn3, conn4 = Pipe(False)
  
  

• conn1.recv()
  接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已经关闭，那么recv方法会抛出EOFError。

• conn1.send(obj)
  通过连接发送对象。obj是与序列化兼容的任意对象。

• conn1.close()
  关闭连接。如果conn1被垃圾回收，将自动调用此方法

• conn1.poll([timeout])
  如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返回结果。如果将timeout设为None，操作将无限期地等待数据到达。

【示例】

from multiprocessing import Process, Pipe
import time


class Sever(Process):
    def __init__(self, sever):
        super().__init__()
        self.sever = sever

    def run(self):
        n = 0
        print("服务器开启...")
        while self.sever.poll(0.01):
            obj = self.sever.recv()
            n += 1
            print(f"第{n}行：{obj!r}")
        else:
            print("服务器关闭...")


class Client(Process):
    def __init__(self, client):
        super().__init__()
        self.client = client

    def run(self):
        self.client.send(True)
        self.client.send(1)
        self.client.send("我自俯察世人，你亦怜惜众生")
        self.client.send({"称号": "无极剑圣", "姓名": "易"})
        self.client.close()


if __name__ == '__main__':
    sever, client = Pipe()
    Sever(sever).start()
    Client(client).start()

输出：

服务器开启...
第1行：True
第2行：1
第3行：'我自俯察世人，你亦怜惜众生'
第4行：{'称号': '无极剑圣', '姓名': '易'}
服务器关闭...

6.2 Queue（推荐使用）

• 创建队列

  语法：Queue(maxsize=0)

  maxsize是一个整数，用于设置可以放入队列的项目数的上限。达到此大小后，插入将阻止，直到消耗队列项。如果 maxsize小于或等于零，则队列大小为无限大。

• q.get(block=True, timeout=None)
  返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True。 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中，如果在指定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。

• q.get_nowait()

  同q.get(False)

• q.put(obj, block=True, timeout=None)
  将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Full异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。

• q.put_nowait(obj)
  同q.put(obj,False)

• q.qsize()

  返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。

• q.empty()

  如果调用此方法时 q 为空，返回 True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。

• q.full()

  如果q已满，返回为True. 由于并发的存在，结果也可能是不可靠的(参考q.empty()方法)。

• q.close()

  关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常，例如，如果某个使用者正被阻塞在get()操作上，关闭生产者中的队列不会导致get()方法返回错误。

• q.cancel_join_thread()

  不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。

• q.join_thread()

  连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。

【示例·生产者消费者模型】

import os
import random
import time
from multiprocessing import Process, Queue


class Producer(Process):
    def __init__(self, q):
        super().__init__()
        self.queue = q

    def run(self):
        for i in range(10):
            time.sleep(random.randint(1, 3))
            res = f"包子{i}"
            self.queue.put(res)
            print(f'33[1;31m{os.getpid()} 生产了 {res}33[0m')
        self.queue.put(None)


class Consumer(Process):
    def __init__(self, q):
        super().__init__()
        self.queue = q

    def run(self):
        while True:
            res = self.queue.get()
            if res is None: break
            time.sleep(random.randint(2, 4))
            print(f'33[1;32m{os.getpid()} 吃了 {res}33[0m')


if __name__ == '__main__':
    q = Queue()
    Producer(q).start()
    Consumer(q).start()