锁——multiprocess.Lock:
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，会牺牲了速度却保证了数据安全。
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。2，需要自己加锁处理。
multiprocess模块为我们提供的基于消息的IPC通信机制：队列和管道。
队列和管道都是将数据存放于内存中：
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，我们应该避免使用共享数据，尽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扩展性。
import os import time import random from multiprocessing import Lock from multiprocessing import Process def work(n,lock): lock.acquire() print('%s:%s is running' % (n,os.getpid())) time.sleep(random.random()) print('%s:%s is done' % (n,os.getpid())) lock.release() if __name__ == '__main__': lock = Lock() for i in range(10): p = Process(target=work,args=(i,lock)) p.start() # 同步控制 # 只要用到了锁，锁之内的代码就会变成同步的了 # 锁：控制一段代码，同一时间 只能被一个进程执行
import json import time import random from multiprocessing import Lock from multiprocessing import Process def check_ticket(i): with open('ticket') as f: ticket_count = json.load(f) # 通过json获取文件中的信息 print('person%s查询当前余票：'% i, ticket_count['count']) def buy_ticket(i,lock): check_ticket(i) # 先进行查票操作 lock.acquire() # 得到钥匙，进入程序 with open('ticket') as f: ticket_count = json.load(f) # 这一步是为了再次判断是否还有余票 time.sleep(random.random()) if ticket_count['count']>0: print('person%s购票成功'% i) ticket_count -= 1 # 字典的赋值 else: print('余票不足，person%s购票失败'% i) time.sleep(random.random()) with open('ticket','w')as f: json.dump(ticket_count,f) # 通过json.dump将字典转化成字符串形式，然后写入文件。 lock.release() # 归还钥匙 if __name__ == '__main__': lock = Lock() for i in range(10): Process(target=buy_ticket,args = (i,lock)).start()
信号量——multiprocess.Semaphore（了解）
互斥锁同时只允许一个线程更爱数据，而信号量Semaphore是同时允许一定数量的线程更改数据。
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，这是迪科斯彻信号量概念p()和v()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。
信号量与进程池的概念很像，但是要区分开，信号量涉及到枷锁的概念。
import time import random from multiprocessing import Process from multiprocessing import Semaphore def ktv(i,sema): sema.acquire() print('person%s 进来唱歌了'% i) time.sleep(random.randint(1,5)) print('person%s 从ktv出去了'% i) sema.release() if __name__ == '__main__': sema = Semaphore(3) for i in range(5): Process(target=ktv,args=(i,sema)).start() # Semaphore 就是锁+计数器 # acquire() 计数器-1 # release() 计数器+1 # 当计数器为0，acquire()就会阻塞
事件——multiprocess.Event (了解)
python线程的时间用于主线程控制其他线程的执行，事件主要提供了三个方法：set(),wait(),clear().
事件处理的机制，全局定义了一个flag,如果flag值为False,那么当程序执行，event.wait()方法时就会阻塞，如果flag值为True,那么event.wait 方法时便不再阻塞。
clear:将flag设置为False.
set:将flag设置为True.
import time import json import random from multiprocessing import Event from multiprocessing import Process def car(i,e): if not e.is_set(): print('car%s正在等待'% i) e.wait() print('car%s正在通过'% i) def traffic_light(e): print('\033[1;31m红灯亮了\033[0m') time.sleep(2) while True: if not e.is_set(): print('\033[1;32m绿灯亮了\033[0m') e.set() elif e.is_set(): print('\033[1;31m红灯亮了\033[0m') e.clear() time.sleep(2) if __name__ == '__main__': e = Event() Process(target=traffic_light,args=(e,)).start() for i in range(10): time.sleep(random.randrange(1,5,3)) Process(target=car,args=(i,e)).start()
进程之间的通信——队列和管道: (multiprocess.Queue,multiprocess.Pipe)
进程间的通信：IPC（Inter-Process Communication）
队列：创建共享的进程队列，Queue时多进程安全的队列，可以使用Queue实现多进程之间的数据传递。
Queue（[maxsize]） 创建共享的进程队列。 参数：maxsize是队列中允许的最大项数，如果省略此参数，则无大小限制。 底层队列使用管道和锁定实现。
Queue的实例q具有以下方法：
q.get( [ block [ ,timeout ] ] )
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。如果在制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)方法。
q.put(item [, block [,timeout ] ] )
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.Empty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.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. 由于线程的存在，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。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。
from multiprocessing import Queue q = Queue(3) # 限定队列中只能存在3项数据。 q.put(1) q.put(2) q.put(3) # q.put(4) # 如果队列已经满了，程序就会停在这里，等待之前的数据被取走，再将数据放入q队列中 # 如果数据没有被取走，那么程序将会一直停在这里。 try: q.put_nowait(3) # 使用put_nowait()方法，如果队列满了不会阻塞而是会报错。 except: print('队列已经满了') # 报错则会打印 print(q.full()) # 判断队列是否满了，返回bool值 print(q.get()) print(q.full()) print(q.get()) print(q.get()) # print(q.get()) 同放入一样，如果队列已经空了，继续取值，就会出现阻塞。 try: print(q.get_nowait()) # 用get_nowait()方法取值，如果队列为空不会阻塞则会报错 except: print('队列已经空了') print(q.empty()) # 判断队列是否为空，返回bool值
import time from multiprocessing import Process,Queue def f(q): q.put([time.asctime(),'from Eva','hello']) # 调用主函数中p进程传递过来的进程参数put向队列中添加数据。 if __name__ == '__main__': q = Queue() # 创建一个Queue对象 p = Process(target=f,args=(q,)) # 创建一个进程 p.start() print(q.get()) # ['Fri May 11 17:28:43 2018', 'from Eva', 'hello'] p.join()
import os import time import multiprocessing # 向queue中输入数据的函数 def inputQ(queue): info = str(os.getpid()) + '(put):' + str(time.asctime()) queue.put(info) # 向queue中输出数据的函数 def outputQ(queue): info = queue.get() print('%s%s\033[32m%s\033[0m'%(str(os.getpid()),'(get):',info)) if __name__ == '__main__': multiprocessing.freeze_support() record1 = [] record2 = [] queue = multiprocessing.Queue(3) # 输入进程 for i in range(10): process = multiprocessing.Process(target=inputQ,args=(queue,)) process.start() record1.append(process) # 输出进程 for i in range(10): process = multiprocessing.Process(target=outputQ, args=(queue,)) process.start() record2.append(process) for p in record1: p.join() for p in record2: p.join()