多进程中的守护进程、互斥锁、队列

　　今天学习了多进程中的守护进程、互斥锁、队列。

　　一、守护进程

　　主进程创建守护进程

　　　　其一：守护进程会在主进程代码执行结束后就终止

　　　　其二：守护进程内无法再开启子进程，否则抛出异常：AssertionError:daemonic proesses are not allowed to have children

　　注意：进程之间是互相独立的，主进程代码运行结束，守护进程随即终止

　　举例：

#主进程代码运行完毕，守护进程就会结束
from multiprocessing import Process
from threading import Thread
import time
def foo():
    print(123)
    time.sleep(1)
    print('end123')

def bar():
    print(456)
    time.sleep(3)
    print('end456')

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

    p1.daemon = True#一定要在p.start()前设置，设置p为守护进程，禁止p创建子进程，并且父进程代码执行结束，p随即终止运行
    p1.start()
    p2.start()
    print('main---------')#打印该行则主进程代码结束，则守护进程p1应该被终止，可能会有p1任务执行的打印信息123，因为主进程打印main---------时，p1也执行了，但是随即被终止

　　二、进程同步(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，而共享带来的是竞争，竞争带来的结果就是错乱，如何控制，就是加锁处理。

　　part1：多个进程共享同一打印终端

　　

#并发运行，效率高，但竞争同一打印终端，带来了打印错乱
from multiprocessing import Process
import os,time
def work():
    print('%s is running'%os.getpid())
    time.sleep(2)
    print('%s is done'%os.getpid())

if __name__ == '__main__'
    for i in range(3):
        p = Process(target=work)
        p.start()

#由并发变成了串行，牺牲了运行效率，但避免了竞争
from multiprocessing import Process,Lock
import os,time
def work(lock):
    lock.acquire()
    print('%s is running' %os.getpid())
    time.sleep(2)
    print('%s is done'%os.getpid())
    lock.release()
if __name__=='__main__'
    lock = Lock()
    for i in range(3):
        p = Process(target=work,args=(lock,))
        p.start()

 　　part2：多个进程共享同一个文件

　　文件当数据库，模拟抢票

　　

#并发运行，效率高，但竞争写同一文件，数据写入错乱
#文件db的内容为:{"count":1}
#注意一定要用双引号，不然json无法识别
from multiprocessing import Process,Lock
import time,json,random
def search():
    dic = json.load(open('db.txt'))
    print('33[43m剩余票数%s33[0m' %dic'['count']')

def get():
    dic = json.load(open('db.txt'))
    time.sleep(0,1)    #模拟读数据的网络延迟
    if dic['count'] > 0:
        dic['count'] -=1
        time.sleep(0,2)  #模拟写数据的网络延迟
        json.dump(dic,open('db.txt','w'))
        print('33[43m购票成功33[0m')

def task(lock):
    search()
    get()

if __name__ == '__main__':
    lock = Lock()
    for i in range(100):    #模拟并发100个客户端抢票
        p = Process(target = task,args = (lock,))
        p.start()

#加锁：购票行为由并发变成了串行，牺牲了运行效率，但保证了数据安全
#文件db的内容为：{"count":1}
#注意一定要用双引号，不然json无法识别
from multiprocessing import Process,Lock
import time,json,random
def search():
    dic = json.load(open('db.txt'))
    print('33[43m剩余票数%s33[0m' %dic['count'])

def get():
    dic = json.load(open('db.txt'))
    time.sleep(0.1)    #模拟读数据的网络延迟
    if dic['count'] > 0 :
        dic['count'] -=1
        time.sleep(0.2)    #模拟写数据的网络延迟
        json.dump(dic,open('db.txt','w'))
        print('33[43m购票成功33[0m')

def task(lock):
    search()
    lock.acquire()
    get()
    lock.release()

if __name__=='__main__'
    lock=Lock()
    for i in range(100):    #模拟并发100个客户端抢票
        p = Process(target = task,args = (lock,))
        p.start()

　　总结：

　　加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲了速度缺保证了数据安全。

　　虽然可以用文件共享数据实现进程间通信，但问题是：

　　1.效率低（共享数据基于文件，而文件是硬盘上的数据）

　　2.需要自己加锁处理

因此我们最好找寻一种解决方案能够兼顾：1、效率高(多个进程共享一块内存的数据)2、帮我们处理好锁问题。

这就是multiprocessing 模块为我们提供的基于消息的IPC通信机制：队列和管道。

1 队列和管道都是将数据存放于内存中

2 队列又是基于(管道+锁) 实现的，可以让我们从复杂的锁问题中解脱出来，

我们应该尽量避免使用共享数据，进可能使用消息传递和队列，避免处理复杂的同步和锁问题，而且在进程数目增多时，往往可以获得更好的可获展性。

　　三、队列

　　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

　　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：

　　maxsize是队列中允许最大项数，省略则无大小限制。

　　方法介绍：

　　主要方法：

　　

1 q.put方法用于以插入数据队列中，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。
2.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。
3. q.get_nowait(): 同q.get(False)
4. q.put_nowait():  同q.put(False)
5. 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。
6. 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。
7. 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：

　　

'''
multiprocessing模块支持进程间通信的两种主要形式：管道和队列
都是基于消息传递实现的，但是队列接口
'''
from multiprocessing import Process,Queue
import time
q = Queue(3)

#put,get,put_nowait,get_nowait,full,empty
q.put(3)
q.put(3)
q.put(3)
print(q.full())     #满了

print(q.get())
print(q.get())
print(q.get())
print(q.empty())    #空了

.