python之路_并发编程之多进程3

一、生产者消费模型补充

　　总结：

　　　　---生产者消费者模型程序中两种角色：①负责生产数据（生产者）；②负责处理数据（消费者）

　　　　---生产者消费者模型的作用：平衡生产者与消费者之间的速度差。

　　　　---实现方式：生产者——>队列——>消费者

　　如上篇博客内容关于生产消费模型内容，在生产者生产数据的过程结束后，即使消费者已将数据完全获取，消费者程序也不能结束，需由主进程或者生产者在结束生产程序后发送给消费者结束口令，消费者程序才会结束。但是如果出现多个消费者和多个生产者，这种情况又该如何解决？方法如下两种：

1、根据消费者数量传送结束信号（low）

from multiprocessing import Process,Queue
import time
import random
import os
def producer(name,q):
    for i in range(10):
        res='%s%s' %(name,i)
        time.sleep(random.randint(1, 3))
        q.put(res)
        print('%s生产了%s' %(os.getpid(),res))
def consumer(name,q):
    while True:
        res=q.get()
        if not res:break
        print('%s吃了%s' %(name,res))
if __name__=='__main__':
    q=Queue()
    p1=Process(target=producer,args=('包子',q))
    p2=Process(target=producer,args=('泔水',q))
    p3=Process(target=producer, args=('骨头',q))
    c1=Process(target=consumer,args=('alex',q))
    c2=Process(target=consumer,args=('egon',q))


    _p=[p1,p2,p3,c1,c2]
    for p in _p:
        p.start()
    p1.join()
    p2.join()
    p3.join()
    '''保证生产程序结束后，再发送结束信号，发送数量和消费者数量一致'''
    q.put(None)
    q.put(None)

2、JoinableQueue队列机制

　JoinableQueue与Queue队列基本相似，但前者队列允许项目的使用者通知生成者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。Queue实例的对象具有的方法JoinableQueue同样具有，除此JoinableQueue还具有如下方法：

　　①q.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

　　②q.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

from multiprocessing import Process,JoinableQueue
import time
import random
def producer(name,food,q):
    for i in range(10):
        res='%s%s' %(food,i)
        time.sleep(random.randint(1, 3))
        q.put(res)
        print('%s生产了%s' %(name,res))
    q.join()  #阻塞生产者进程，保证此进程结束时消费者进程已处理完其产生的数据
def consumer(name,q):
    while True:
        res=q.get()
        if not res:break
        print('%s吃了%s' %(name,res))
        q.task_done()
if __name__=='__main__':
    q=JoinableQueue()
    p1=Process(target=producer,args=(1,'包子',q))
    p2=Process(target=producer,args=(2,'泔水',q))
    p3 = Process(target=producer, args=(3,'骨头', q))
    c1=Process(target=consumer,args=('alex',q))
    c2=Process(target=consumer,args=('egon',q))
    '''守护进程保证主进程结束时，守护进程也立即结束'''
    c1.daemon=True
    c2.daemon=True

    _p=[p1,p2,p3,c1,c2]
    for p in _p:
        p.start()
    p1.join()
    p2.join()
    p3.join()

二、共享内存（Manager）

　　展望未来，基于消息传递的并发编程是大势所趋，即便是使用线程，推荐做法也是将程序设计为大量独立的线程集合，通过消息队列交换数据。这样极大地减少了对使用锁定和其他同步手段的需求，还可以扩展到分布式系统中，进程间通信应该尽量避免使用本节所讲的共享数据的方式。

from multiprocessing import Process,Lock,Manager
def work(d,lock):
    '''加锁是保证数据被修改时是逐一进行的，避免多个进程同时拿到一个起始数据，导致数据混乱'''
    with lock:
        d['count']-=1
if __name__=='__main__':
    lock=Lock()
    m=Manager()
    d=m.dict({'count':100})                  #也可以对其他数据类型进行性共享，如list
    _p=[]
    for i in range(10):
        p=Process(target=work,args=(d,lock))
        p.start()
        _p.append(p)
    for p in _p:
        p.join()
    print(d)                                 #{'count': 90}

三、进程池(Pool)

　　多进程是实现并发的主要手段之一，但是通常会有如下问题：a.很明显需要并发执行的任务通常要远大于核数;b.一个操作系统不可能无限开启进程，通常有几个核就开几个进程;c.进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行）。

　　Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，就重用进程池中的进程。执行任务的进程数始终未进程池中指定的那几个。

1、同步调用（apply）

　　同步调用：提交完任务后，在原地等待任务结束,一旦结束可以立刻拿到结果。

from multiprocessing import Pool
import time,os
import random
def work(n):
    print('%s is working' %(os.getpid()))
    time.sleep(random.randint(1,3))
    return n**2


if __name__=='__main__':
    p=Pool(4)                                   #从无到有开启4个进程，而且一直是这4个进程

for i in range(10):
    res=p.apply(work,args=(i,))                 #等进程执行完，并能得到结果，然后才开启下一个进程，相当于串行 
    print(res)

2、异步调用（apply_async）　

　　异步调用：提交完任务后，不会在原地等待任务结束,会继续提交下一次任务，等到所有任务都结束后，才能get结果。

from multiprocessing import Pool
import time,os
import random
def work(n):
    print('%s is working' %(os.getpid()))
    time.sleep(random.randint(1,3))
    return n**2


if __name__=='__main__':
    p=Pool(4)                              #从无到有开启4个进程，而且一直是这4个进程
    result=[]
    for i in range(10):
        obj=p.apply_async(work,args=(i,))  #提交任务，不会在原地等结果
        result.append(obj)
'''异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果，否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了'''
    p.close()
    p.join()
    for obj in result:
        print(obj.get())
'''使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get'''

四、回调函数

　　进程池执行完一个获得数据的进程，即刻要求通知主进程拿去解析数据。主进程调用一个函数去处理，这个函数便被称为回调函数，要求进程池进程的结果为回调函数的参数。

　　爬虫实例：

from multiprocessing import Pool,Process
import requests
import os
import time,random
def get(url):
    print('%s GET %s' %(os.getpid(),url))
    response=requests.get(url)
    time.sleep(random.randint(1,3))
    if response.status_code == 200:
        print('%s DONE %s' % (os.getpid(), url))
        return {'url':url,'text':response.text}

def parse(dic):
    print('%s PARSE %s' %(os.getpid(),dic['url']))
    time.sleep(1)
    res='%s:%s
' %(dic['url'],len(dic['text']))
    with open('db.txt','a') as f:
        f.write(res)

if __name__ == '__main__':
    urls=[
        'https://www.baidu.com',
        'https://www.python.org',
        'https://www.openstack.org',
        'https://help.github.com/',
        'http://www.sina.com.cn/'
    ]
    p=Pool(2)
    for url in urls:
        p.apply_async(get,args=(url,),callback=parse) #主进程负责干回调函数的活
    p.close()
    p.join()

　　我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数。