import time
from multiprocessing import Process
def test1():
    while True:
        print("--------------test1----------------")
        time.sleep(10)

def test2():
    while True:
        print("--------------test2----------------")
        time.sleep(10)
p1 = Process(target=test1())
p2 = Process(target=test2())
p1.start()
p2.start()

multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={})

参数说明：

group：指定进程组

target：指定函数，执行指定的函数

name：给进程设定一个名字，可以不设定

args：给 target 指定的函数传递的参数，以元组的方式传递

kwargs：给 target 指定的函数传递命名参数

启动子进程实例 strat()

判断进程子进程是否还存在 is_alive()

关闭子进程 terminate()

等待子进程执行结束 join()

举例：执行传递参数的函数

from multiprocessing import Process
def runProc(*args, **kwargs):
    print(args, kwargs)
if __name__ == '__main__':
    P = Process(target=runProc, args=('test', 123), kwargs={"name": "test1","age":35})
    P.start()
    P.join()
    print("over!")

开启一个子进程，实例代码：

from multiprocessing import Process
import time
import os
class Process_Class(Process):
    def __init__(self, interval):
        Process.__init__(self)
        self.interval = interval

    def run(self):
        print("子进程(%s) 开始执行，父进程为（%s）" % (os.getpid(), os.getppid()))
        t_start = time.time()
        time.sleep(self.interval)
        t_stop = time.time()
        print("(%s)执行结束，耗时%0.2f秒" % (os.getpid(), t_stop - t_start))
if __name__ == "__main__":
    t_start = time.time()
    print("当前程序进程(%s)" % os.getpid())
    p1 = Process_Class(2)
    p1.start()
    p1.join()
    t_stop = time.time()
    print("(%s)执行结束，耗时%0.2f" % (os.getpid(), t_stop - t_start))

进程间的通信

上面我们学习了如何去创建进程，那不同进程间是如何通信的？

可以使用 multiprocessing 模块的 Queue ，实现多进程之间的数据传递，Queue 本身是一个消息列队程序，这是操作系统开辟的一个空间，各个子程序可以把信息放进去，也可以取走，一个进程可以放多条消息到Queue中。

import multiprocessing
q = multiprocessing.Queue(3)
q.put("test1")
q.put("test2")
print(q.full())

q.put("test3")
print(q.full())

try:
    q.put("test4",True,2)
except:
    print("消息队列已满，现有消息数量%s"%q.qsize())
try:
    q.put_nowait("test4")
except:
    print("消息队列已满，现有消息数量%s" % q.qsize())
if not q.full():
    q.put_nowait("test4")
if not q.empty():
    for i in range(q.qsize()):
        print(q.get_nowait())

看一下这段代码的知识点：

初始化 Queue()对象时（例如：q = Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）

返回当前队列包含的消息数量 Queue.qsize()

判断队列是否为空 Queue.empty()

判断队列是否满了 Queue.full()

put、get的用法：

Queue.put(item,block, timeout)

Queue.put_nowait(item)，相当于 Queue.put(item, False)

将 item 消息写入队列，block 默认值为 True 如果 block 使用默认值，且没有设置 timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止，如果设置了 timeout，则会等待 timeout 秒，若还没空间，则抛出"Queue.Full"异常，如果 block 值为 False，消息列队如果没有空间可写入，则会立刻抛出"Queue.Full" 异常。

get用法与put用法，参数一样，不再赘述。

进程池

结合上面的进程间的通信，写两个函数，一个是将消息依次放入队列里，一个是从队列里依次取出消息，具体代码如下：

import multiprocessing
import time
import random


def write(q):
    for value in ['a', 'b', 'c']:
        print("put %s to queue" % (value))
        q.put(value)
        time.sleep(random.random())


def read(q):
    while True:
        if not q.empty():
            value = q.get(True)
            print("get %s from queue" % (value))
            time.sleep(random.random())
        else:
            break


if __name__ == '__main__':
    q = multiprocessing.Queue()
    pw = multiprocessing.Process(target=write, args=(q,))
    pr = multiprocessing.Process(target=read, args=(q,))

    pw.start()
    pw.join()

    pr.start()
    pr.join()

    print("")
    print("over")

下面用进程池去实现：

这段代码对比了顺序执行和并行执行耗费的时间，代码执行后的结果可以看到，并行的耗费的时间要小于顺序执行的时间。

import time
from multiprocessing import Pool


def run(f):
    time.sleep(1)
    return f * f


if __name__ == '__main__':
    test = [1, 2, 3, 4, 5, 6]
    print("顺序执行")
    s = time.time()
    for f in test:
        run(f)
    e1 = time.time()
    print("顺序执行耗费时间：", int(e1 - s))
    print("创建多个线程")
    pool = Pool(5)
    r1 = pool.map(run, test)
    pool.close()
    pool.join()
    e2 = time.time()
    print("并行执行耗费时间：", int(e2 - e1))
    print(r1)

下面的代码展示了进程池中进程间是如何通信的，

其中：apply_async(func，args，kwds)，使用非阻塞方式调用 func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args 为传递给 func 的参数列表，kwds为传递给 func 的关键字参数列表。

import multiprocessing
import time, os, random
from multiprocessing import Pool


def reader(q):
    print("read启动(%s)，父进程为%s" % (os.getpid(), os.getppid()))
    for i in range(q.qsize()):
        print("Queue 从队列中获取到消息%s" % q.get(True))


def writer(q):
    print("writer启动(%s)，父进程为%s" % (os.getpid(), os.getppid()))
    for i in "test001":
        q.put(i)


if __name__ == '__main__':
    print("(%s) start" % os.getpid())
    q = multiprocessing.Manager().Queue()
    po = multiprocessing.Pool()
    po.apply_async(writer, (q,))
    time.sleep(1)
    po.apply_async(reader, (q,))
    po.close()
    po.join()
    print("(%s) end" % os.getpid())

线程

线程的创建

创建一个单线程

import time

def test():
    print("test")
    time.sleep(1)

if __name__ == '__main__':
    StartTime = time.time()
    for i in range(5):
        test()
    EndTime = time.time()
    print("耗时%s" % (EndTime - StartTime))

创建一个多线程，threading.Thread(target=test)，用.start()方法启动线程。

import time,threading

def test():
    print("test")
    time.sleep(1)

if __name__ == '__main__':
    StartTime = time.time()
    for i in range(5):
        t = threading.Thread(target=test)
        t.start()
    EndTime = time.time()
    print("\n耗时%s" % (EndTime - StartTime))

从执行结果上，可以明显看到多线程并发耗时要比单线程少很多。

子线程的执行顺序

可以看到下面的这段程序，子线程执行顺序是不确定的。

import time, threading
def test1():
    for i in range(5):
        print("---test1---")
        time.sleep(1)
def test2():
    for i in range(5):
        print("---test2---")
        time.sleep(1)

if __name__ == '__main__':
    t1 = threading.Thread(target=test1)
    t2 = threading.Thread(target=test2)
    print("线程启动前，线程数是：", len(threading.enumerate()))
    t1.start()
    t2.start()
    print("线程启动后，线程数是：", len(threading.enumerate()))

整个线程的生命周期：

1、new新建，初始化后，进入Runnable状态

2、Running运行：Runnable就绪，等待线程调度，调度后进入运行状态

4、Blocked阻塞，暂停运行，可能的情况有：sleep、locked、处理业务上的数据

5、Dead消亡。线程方法执行完毕返回或者异常终止

多线程之间全局变量是可以共享的，但不同线程对全局变量的修改可能带来数据混乱的问题，即线程非安全。代码示例如下：

import time, threading
num_test = 0
def test1(num):
    global num_test
    for i in range(num):
        num_test += 1
    print("test1中num_test的值是：%s"%(num_test))
def test2(num):
    global num_test
    for i in range(num):
        num_test += 1
    print("test2中num_test的值是：%s"%(num_test))

if __name__ == '__main__':
    t1 = threading.Thread(target=test1,args=(1000000,))
    t2 = threading.Thread(target=test2,args=(1000000,))
    t1.start()
    t2.start()
    time.sleep(10)
    print("num_test的值是：",num_test)

结果如下，可以看到输出的结果出错了。那如何处理呢？引出互斥，锁的概念。

同步&互斥

什么是同步？什么是互斥？

同步：程序必须按规定的某种顺序执行，程序A的运行依赖程序B运行产生的数据

互斥：同一公共资源，在同一时间点，只能由一个进程或线程使用

互斥锁

上面的例子中，当多个线程需要同时去修改公共数据时，就需要加入同步控制，安全访问资源的有效方式是引入互斥锁，其状态有锁定、非锁定。当某个线程需要改共享数据时，先锁定，这样，其他线程就不能更改数据，直到该线程释放资源，资源状态变成非锁定状态，其他线程才能再次锁定，然后修改，互斥锁的机制保证了每次写入操作只有一个线程，在多线程的情况下，保护了数据的正确性

threading 模块中定义了 Lock 类，创建锁：mutex = threading.Lock()，加锁：mutex.acquire()，释放锁：mutex.release()

import multiprocessing
import time, threading
num_test = 0

def test1(num):
    global num_test
    for i in range(num):
        mutex.acquire()
        num_test += 1
        mutex.release()
    print("test1中num_test的值是：%s"%(num_test))
def test2(num):
    global num_test
    for i in range(num):
        mutex.acquire()
        num_test += 1
        mutex.release()
    print("test2中num_test的值是：%s"%(num_test))

if __name__ == '__main__':
    mutex = threading.Lock()
    t1 = threading.Thread(target=test1,args=(1000000,))
    t2 = threading.Thread(target=test2,args=(1000000,))
    t1.start()
    t2.start()
    time.sleep(10)
    print("num_test的值是：",num_test)

可以看到，这次最终计算结果是正确的。

死锁

下面我们来看一下，加锁时出现死锁的特殊情况，所谓死锁，就是多个进程一直在互相等待，程序中应该尽量避免死锁的出现

下面的这篇博客举出的死锁例子很好，可以了解一下

python—多线程之死锁_python 死锁_敲代码敲到头发茂密的博客-CSDN博客

生产者消费者模式

什么是生产者消费者模式？

生产者和消费者通过阻塞队列来进行通讯，解决生产者和消费者的强耦合问题，在生产者生产完数据之后不用等待消费者处理，消费者也不找生产者要数据，而是通过一个阻塞队列来放数据取数据。

实现代码示例：

import random
import threading
import time
from queue import Queue
class Producer(threading.Thread):
    def __init__(self, name, queue):
        threading.Thread.__init__(self, name=name)
        self.data = queue

    def run(self):
        for i in range(5):
            print("%s正在生产%d" % (self.getName(), i))
            self.data.put(i)
            time.sleep(random.randint(1, 3))
        print("%s生产结束！" % (self.getName()))
class Consumer(threading.Thread):
    def __init__(self, name, queue):
        threading.Thread.__init__(self, name=name)
        self.data = queue

    def run(self):
        for i in range(5):
            value = self.data.get()
            print("%s正在消费%d" % (self.getName(), value))
            time.sleep(random.randint(1, 3))
        print("%s消费结束！" % (self.getName()))

if __name__ == '__main__':
    queue = Queue()
    producer = Producer('Producer', queue)
    consumer = Consumer('Consumer', queue)
    producer.start()
    consumer.start()
    producer.join()
    consumer.join()
    print("over")

协程

协程的创建

用yeild实现一个简单的协程，代码如下：

import time
def test1():
    while True:
        print("test1")
        yield
        time.sleep(1)
def test2():
    while True:
        print("test2")
        yield
        time.sleep(1)
def main():
    t1 = test1()
    t2 = test2()
    while True:
        next(t1)
        next(t2)
if __name__ == '__main__':
    main()

用greenlet创建协程，代码如下：

import time
import greenlet
def test1():
    while True:
        print("test1")
        g2.switch()
        time.sleep(1)
def test2():
    while True:
        print("test2")
        g1.switch()
        time.sleep(1)
g1=greenlet.greenlet(test1)
g2=greenlet.greenlet(test2)
g1.switch()
g2.switch()

用gevent实现协程，代码如下：

import gevent
def f(n):
    for i in range(n):
        print(gevent.getcurrent(),i)
        gevent.sleep(1)
g1 = gevent.spawn(f,5)
g2 = gevent.spawn(f,5)
g3 = gevent.spawn(f,5)
g1.join()
g2.join()
g3.join()

或者给程序打补丁

import time
import gevent
from gevent import monkey
monkey.patch_all()
def f(n):
    for i in range(n):
        print(gevent.getcurrent(),i)
        time.sleep(1)
g1 = gevent.spawn(f,5)
g2 = gevent.spawn(f,5)
g3 = gevent.spawn(f,5)
g1.join()
g2.join()
g3.join()

进程线程协程的对比

总结

本篇博客学习了Python中的进程、线程、协程的使用，还要多加练习，多在实际中应用感受多线程编程以及协程的使用，这部分是比较抽象，也是比较重要的一部分，python进阶的两篇学习博客暂告一段落，还是要多敲代码。

Python进阶（二）

思维导图

基本概念

进程

进程的创建