day 32 管道,信号量,进程池,线程的创建

1.管道(了解)

Pipe():  在进程之间建立一条通道,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.

from multiprocessing import Process,Pipe

conn1,conn2 = Pipe()  结构

主要方法:

conn1.recv():接受conn2.send(obj)发送的对象.如果没有消息可接受, recv方法会一直阻塞.如果连接的另一端已经关闭,那么recv方法会跑输EOEError.

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

from multiprocessing import Process,Pipe

 

 

def f1(conn):

 

    from_zhujincheng = conn.recv()

 

    print('我是子进程')

    print('来自主进程的消息:',from_zhujincheng)

 

 

if __name__ == '__main__':

    conn1,conn2 = Pipe()  #创建一个管道对象,全双工,返回管道的两端,但是一端发送的消息,只能另外一端接收,自己这一端是不能接收的

 

    #可以将一端或者两端发送给其他的进程,那么多个进程之间就可以通过这一个管道进行通信了

    p1 = Process(target=f1,args=(conn2,))

    p1.start()

 

    conn1.send('小宝贝,你在哪')

 

    print('我是主进程')

2.信号量  Semaphore

互斥锁同时只允许一个线程更改熟路,而信号量时同事允许一定数量的线程更改数据

s=Semaphore() 内部维护了一个计数器,acquire -1,release +1,为0的时候,其他的进程都要在acquire之前等待

s.acquire()

需要锁住的代码

s.release()

import time

import random

from multiprocessing import Process,Semaphore

 

def f1(i,s):

    s.acquire()

    print('%s男嘉宾到了' %i)

    time.sleep(random.randint(1,3))

    s.release()

 

if __name__ == '__main__':

    s =Semaphore(4)

 

    for i in range(10):

        p = Process(target=f1,args=(i,s))

 

        p.start()

3.事件 Event

e = Event()  初识状态是false

E.wait() 当事件对象e的状态为false的时候,在wait的地方会阻塞程序,当对象状态为true的时候,直接在这个wait地方继续往下执行

E.set()  将事件对象的状态更改为true

E.is_set() 查看状态

E.clear() 将事件对象的状态更改为false

from multiprocessing import Process,Event

 

 

e = Event() # 创建事件对象,这个对象初识状态为False

print('e的状态是:',e.is_set())

 

print('进程运行到这里')

e.set() #将e的状态更改为True

print('e的状态是:',e.is_set())

 

e.clear() #将e的状态更改为False

e.wait()  #e这个事件对象如果值为False,就在我加wait的地方等待

print('进程过了wait')

 基于事件的进程通信:

import time

from multiprocessing import  Process,Event

 

def f1(e):

    time.sleep(2)

    n = 100

    print('子进程计算结果为',n)

    e.set()

 

if __name__ == '__main__':

    e = Event()

    p = Process(target=f1,args=(e,))

    p.start()

 

    print('主进程等待....')

    e.wait()

    print('结果已经写入文件,可以拿到值')

4.进程池(重点) Pool 池子

对比:多进程和多进程池的效率对比:进程的创建和销毁时很消耗的,影响代码执行效率

pool.map() 参数数据必须是可迭代的,异步提交任务,自带close和join功能

import time

from multiprocessing import Process,Pool

 

 

# def f1(n):

#     time.sleep(1)

#     print(n)

 

#对比多进程和进程池的效率

def f1(n):

    for i in range(5):

        n = n + i

if __name__ == '__main__':

    #统计进程池执行100个任务的时间

    s_time = time.time()

    pool = Pool(4)  #里面这个参数是指定进程池中有多少个进程用的,4表示4个进程,如果不传参数,默认开启的进程数一般是cpu的个数

    # pool.map(f1,[1,2])  #参数数据必须是可迭代的

    pool.map(f1,range(100))  #参数数据必须是可迭代的,异步提交任务,自带join功能

    e_time = time.time()

    dif_time = e_time - s_time

 

    #统计100个进程,来执行100个任务的执行时间

    p_s_t = time.time() #多进程起始时间

    p_list = []

    for i in range(100):

        p = Process(target=f1,args=(i,))

        p.start()

        p_list.append(p)

        # p.join()

    [pp.join() for pp in p_list]

    p_e_t = time.time()

    p_dif_t = p_e_t - p_s_t

    print('进程池的时间:',dif_time)

    print('多进程的执行时间:',p_dif_t)

    # 结果:

    # 进程池的时间: 0.40102291107177734

    # 多进程的执行时间: 9.247529029846191

进程池的同步和异步的方法:

pool.apply()  同步方法,进程池的同步方法,将任务变成串行,必须等任务执行结束才能给进程池提交下一个任务,可以直接拿到返回结果res

pool.apply_async()  异步方法,,可以直接拿到结果对象,从结果对象里面拿到结果,要用get方法,get方法会阻塞程序,没有拿到结果会一直等待.

pool.close()  锁住进程池,不在让其他的持续往程序里面人新任务,确保没有新的任务交给进程池里面的进程

join: 等待着进程池将自己里面的任务都执行完

进程池的同步方法:

import time

from multiprocessing import Process,Pool

 

 

def f1(n):

    time.sleep(1)

    # print(n)

    return n*n

 

if __name__ == '__main__':

 

    pool = Pool(4)

 

    for i in range(10):

        print('xxxxxx')

        res = pool.apply(f1,args=(i,))

        print(res)

进程池的异步方法:

 

import time

from multiprocessing import Process,Pool

 

 

def f1(n):

    time.sleep(0.5)

    # print(n)

    return n*n

 

if __name__ == '__main__':

 

    pool = Pool(4)

 

    res_list = []

    for i in range(10):

        print('xxxx')

        #异步给进程池提交任务

        res = pool.apply_async(f1,args=(i,))

        res_list.append(res)

 

    # print('等待所有任务执行完')

    # pool.close()  #锁住进程池,意思就是不让其他的程序再往这个进程池里面提交任务了

    # pool.join()

 

    #打印结果,如果异步提交之后的结果对象

    for i in res_list:

        print(i.get())

进程池的同步和异步的综合:

import time

from multiprocessing import Process,Pool

 

def f1(n):

    time.sleep(0.5)

    # print(n)

    return  n*n

 

if __name__ == '__main__':

    pool =Pool(4)

    # pool.apply(f1,args=(2,))  #同步方法

    res_list = []

    for i in range(10):

        # print('任务%s' %i)

        #进程池的同步方法,将任务变成串行

        # res = pool.apply(f1,args=(i,))

        # print(res)

        #进程池的异步方法

        res =pool.apply_async(f1,args=(i,))

        print(res)

        # as_result =res.get()  #join的效果

        # print(as_result)

        res_list.append(res)

 

    pool.close() # 锁住进程池,不在让其他的程序网里面仍新的任务了,确保没有新的任务交给进程池里面的进程

    pool.join()

 

    for r in res_list:

        print(r.get())

 

    time.sleep(2)

    #主进程运行结束,进程池里面的任务全部停止,不会等待进程池里面的任务

    print('主进程直接结束')

    p = Process(target=f1,)

5.进程池的回调函数

  Apply_async(f1,args=(i,),callback=function)   # 将前面 f1 这个任务的返回结果作为参数传给 callback 指定的那个 function 函数

import os

from multiprocessing import Pool,Process

 

def f1(n):

    print('进程池里面的进程id',os.getpid())

    print('>>>>',n)

    return n*n

 

def call_back_func(asdf):

    print('>>>>>>>>>>>>>',os.getpid())

    print('回调函数中的结果:',asdf)

    # print('回调函数中的结果:',s.get())

 

if __name__ == '__main__':

    pool = Pool(4)

    res = pool.apply_async(f1,args=(5,),callback=call_back_func)

    pool.close()

    pool.join()

    # print(res.get())

    print('主进程的进程id',os.getpid())

 

1.管道(了解)

Pipe():  在进程之间建立一条通道,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.

from multiprocessing import Process,Pipe

conn1,conn2 = Pipe()  结构

主要方法:

conn1.recv():接受conn2.send(obj)发送的对象.如果没有消息可接受, recv方法会一直阻塞.如果连接的另一端已经关闭,那么recv方法会跑输EOEError.

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

from multiprocessing import Process,Pipe

 

 

def f1(conn):

 

    from_zhujincheng = conn.recv()

 

    print('我是子进程')

    print('来自主进程的消息:',from_zhujincheng)

 

 

if __name__ == '__main__':

    conn1,conn2 = Pipe()  #创建一个管道对象,全双工,返回管道的两端,但是一端发送的消息,只能另外一端接收,自己这一端是不能接收的

 

    #可以将一端或者两端发送给其他的进程,那么多个进程之间就可以通过这一个管道进行通信了

    p1 = Process(target=f1,args=(conn2,))

    p1.start()

 

    conn1.send('小宝贝,你在哪')

 

    print('我是主进程')

2.信号量  Semaphore

互斥锁同时只允许一个线程更改熟路,而信号量时同事允许一定数量的线程更改数据

s=Semaphore() 内部维护了一个计数器,acquire -1,release +1,为0的时候,其他的进程都要在acquire之前等待

s.acquire()

需要锁住的代码

s.release()

import time

import random

from multiprocessing import Process,Semaphore

 

def f1(i,s):

    s.acquire()

    print('%s男嘉宾到了' %i)

    time.sleep(random.randint(1,3))

    s.release()

 

if __name__ == '__main__':

    s =Semaphore(4)

 

    for i in range(10):

        p = Process(target=f1,args=(i,s))

 

        p.start()

3.事件 Event

e = Event()  初识状态是false

E.wait() 当事件对象e的状态为false的时候,在wait的地方会阻塞程序,当对象状态为true的时候,直接在这个wait地方继续往下执行

E.set()  将事件对象的状态更改为true

E.is_set() 查看状态

E.clear() 将事件对象的状态更改为false

from multiprocessing import Process,Event

 

 

e = Event() # 创建事件对象,这个对象初识状态为False

print('e的状态是:',e.is_set())

 

print('进程运行到这里')

e.set() #将e的状态更改为True

print('e的状态是:',e.is_set())

 

e.clear() #将e的状态更改为False

e.wait()  #e这个事件对象如果值为False,就在我加wait的地方等待

print('进程过了wait')

 基于事件的进程通信:

import time

from multiprocessing import  Process,Event

 

def f1(e):

    time.sleep(2)

    n = 100

    print('子进程计算结果为',n)

    e.set()

 

if __name__ == '__main__':

    e = Event()

    p = Process(target=f1,args=(e,))

    p.start()

 

    print('主进程等待....')

    e.wait()

    print('结果已经写入文件,可以拿到值')

4.进程池(重点) Pool 池子

对比:多进程和多进程池的效率对比:进程的创建和销毁时很消耗的,影响代码执行效率

pool.map() 参数数据必须是可迭代的,异步提交任务,自带close和join功能

import time

from multiprocessing import Process,Pool

 

 

# def f1(n):

#     time.sleep(1)

#     print(n)

 

#对比多进程和进程池的效率

def f1(n):

    for i in range(5):

        n = n + i

if __name__ == '__main__':

    #统计进程池执行100个任务的时间

    s_time = time.time()

    pool = Pool(4)  #里面这个参数是指定进程池中有多少个进程用的,4表示4个进程,如果不传参数,默认开启的进程数一般是cpu的个数

    # pool.map(f1,[1,2])  #参数数据必须是可迭代的

    pool.map(f1,range(100))  #参数数据必须是可迭代的,异步提交任务,自带join功能

    e_time = time.time()

    dif_time = e_time - s_time

 

    #统计100个进程,来执行100个任务的执行时间

    p_s_t = time.time() #多进程起始时间

    p_list = []

    for i in range(100):

        p = Process(target=f1,args=(i,))

        p.start()

        p_list.append(p)

        # p.join()

    [pp.join() for pp in p_list]

    p_e_t = time.time()

    p_dif_t = p_e_t - p_s_t

    print('进程池的时间:',dif_time)

    print('多进程的执行时间:',p_dif_t)

    # 结果:

    # 进程池的时间: 0.40102291107177734

    # 多进程的执行时间: 9.247529029846191

进程池的同步和异步的方法:

pool.apply()  同步方法,进程池的同步方法,将任务变成串行,必须等任务执行结束才能给进程池提交下一个任务,可以直接拿到返回结果res

pool.apply_async()  异步方法,,可以直接拿到结果对象,从结果对象里面拿到结果,要用get方法,get方法会阻塞程序,没有拿到结果会一直等待.

pool.close()  锁住进程池,不在让其他的持续往程序里面人新任务,确保没有新的任务交给进程池里面的进程

join: 等待着进程池将自己里面的任务都执行完

进程池的同步方法:

import time

from multiprocessing import Process,Pool

 

 

def f1(n):

    time.sleep(1)

    # print(n)

    return n*n

 

if __name__ == '__main__':

 

    pool = Pool(4)

 

    for i in range(10):

        print('xxxxxx')

        res = pool.apply(f1,args=(i,))

        print(res)

进程池的异步方法:

 

import time

from multiprocessing import Process,Pool

 

 

def f1(n):

    time.sleep(0.5)

    # print(n)

    return n*n

 

if __name__ == '__main__':

 

    pool = Pool(4)

 

    res_list = []

    for i in range(10):

        print('xxxx')

        #异步给进程池提交任务

        res = pool.apply_async(f1,args=(i,))

        res_list.append(res)

 

    # print('等待所有任务执行完')

    # pool.close()  #锁住进程池,意思就是不让其他的程序再往这个进程池里面提交任务了

    # pool.join()

 

    #打印结果,如果异步提交之后的结果对象

    for i in res_list:

        print(i.get())

进程池的同步和异步的综合:

import time

from multiprocessing import Process,Pool

 

def f1(n):

    time.sleep(0.5)

    # print(n)

    return  n*n

 

if __name__ == '__main__':

    pool =Pool(4)

    # pool.apply(f1,args=(2,))  #同步方法

    res_list = []

    for i in range(10):

        # print('任务%s' %i)

        #进程池的同步方法,将任务变成串行

        # res = pool.apply(f1,args=(i,))

        # print(res)

        #进程池的异步方法

        res =pool.apply_async(f1,args=(i,))

        print(res)

        # as_result =res.get()  #join的效果

        # print(as_result)

        res_list.append(res)

 

    pool.close() # 锁住进程池,不在让其他的程序网里面仍新的任务了,确保没有新的任务交给进程池里面的进程

    pool.join()

 

    for r in res_list:

        print(r.get())

 

    time.sleep(2)

    #主进程运行结束,进程池里面的任务全部停止,不会等待进程池里面的任务

    print('主进程直接结束')

    p = Process(target=f1,)

5.进程池的回调函数

  Apply_async(f1,args=(i,),callback=function)   # 将前面 f1 这个任务的返回结果作为参数传给 callback 指定的那个 function 函数

import os

from multiprocessing import Pool,Process

 

def f1(n):

    print('进程池里面的进程id',os.getpid())

    print('>>>>',n)

    return n*n

 

def call_back_func(asdf):

    print('>>>>>>>>>>>>>',os.getpid())

    print('回调函数中的结果:',asdf)

    # print('回调函数中的结果:',s.get())

 

if __name__ == '__main__':

    pool = Pool(4)

    res = pool.apply_async(f1,args=(5,),callback=call_back_func)

    pool.close()

    pool.join()

    # print(res.get())

    print('主进程的进程id',os.getpid())