并发编程（二）之多进程2

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 processes 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

from multiprocessing import Process
import time
import random

class Piao(Process):
    def __init__(self,name):
        self.name=name
        super().__init__()
    def run(self):
        print('%s is piaoing' %self.name)
        time.sleep(random.randrange(1,3))
        print('%s is piao end' %self.name)


p=Piao('egon')
p.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即终止运行
p.start()
print('主')

View Code

进程同步（互斥锁）

在之前我们也有了解，就是进程与进程之间的内存空间是独立的，所以说它们的数据也是不共享的，但是肯定会共享同一套硬盘文件系统，所以访问同一个文件，或是同一个打印终端完全没有问题。但是共享就意味着会有竞争，进程与进程之间的竞争就会导致错乱，控制这些问题的方式就是加锁处理

多个进程共享一个打印终端

①、并发运行，效率高，但是竞争同一打印终端，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()

②、为进程加锁，将并发变为串行，牺牲了运行效率，但是保证了安全性

from multiprocessing import Process,Lock
import os,time
def work(lock):
    lock.acquire()        #  加锁，只能加一个锁
    print('%s is running' %os.getpid())
    time.sleep(2)
    print('%s is done' %os.getpid())
    lock.release()        #  解锁，只有解锁之后才能进行下一次lock.acquire()
if __name__ == '__main__':
    lock=Lock()
    for i in range(3):
        p=Process(target=work,args=(lock,))
        p.start()

多个进程共享一个文件

①、并发运行，运行效率高，但是因为竞争，会造成数据错乱

# 文件 “a.json” 内容为 “{“count”：1}”

from multiprocessing import Process,Lock
import time,json,random

def search():
    with open('a.json','r',encoding='utf-8')as f:
        dic=json.load(f)
    time.sleep(0.1)
    print('剩余 %s 张票'%dic['count'])
def get():
    with open('a.json','r',encoding='utf-8')as f:
        dic=json.load(f)
    time.sleep(0.5)
    if dic['count']>0:
        dic['count']-=1
        time.sleep(0.2)
        with open('a.json','w',encoding='utf-8')as f:
            json.dump(dic,f)
        print('购票成功')
def task(lock):
    search()
    get()
if __name__ == '__main__':
    lock=Lock()
    for i in range(100):
        p=Process(target=task,args=(lock,))
        p.start()

②、加锁

# 文件 “a.json” 内容为 “{“count”：1}”

from multiprocessing import Process,Lock
import time,json,random

def search():
    with open('a.json','r',encoding='utf-8')as f:
        dic=json.load(f)
    time.sleep(0.1)
    print('剩余 %s 张票'%dic['count'])
def get():
    with open('a.json','r',encoding='utf-8')as f:
        dic=json.load(f)
    time.sleep(0.5)
    if dic['count']>0:
        dic['count']-=1
        time.sleep(0.2)
        with open('a.json','w',encoding='utf-8')as f:
            json.dump(dic,f)
        print('购票成功')
def task(lock):
    search()
    lock.acquire()    # 只为抢票加锁，不影响其他用户查看剩余票数
    get()
    lock.release()
if __name__ == '__main__':
    lock=Lock()
    for i in range(100):
        p=Process(target=task,args=(lock,))
        p.start()

从以上结论我们可以看出互斥锁和 “join” 二者的原理是一样的，都是将并发变成并行，然而，互斥锁是让一部分代码串行（局部串行）， “join” 则是让整个进程串行

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（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mutiprocessing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，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获展性。

队列

进程之间通信必须找到一种介质，该介质必须满足：

    1、是所有进程共享的

     2、必须是内存空间

最重要的是要可以自动的来处理锁的问题

创建对列的类

   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。

主要方法介绍：

1 q.put方法用以插入数据到队列中，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  
4 q.get_nowait():同q.get(False)
5 q.put_nowait():同q.put(False)
6 
7 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。
8 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。
9 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

了解方法：

1 q.cancel_join_thread():不会在进程退出时自动连接后台线程。可以防止join_thread()方法阻塞
2 q.close():关闭队列，防止队列中加入更多数据。调用此方法，后台线程将继续写入那些已经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，将调用此方法。关闭队列不会在队列使用者中产生任何类型的数据结束信号或异常。例如，如果某个使用者正在被阻塞在get()操作上，关闭生产者中的队列不会导致get()方法返回错误。
3 q.join_thread()：连接队列的后台线程。此方法用于在调用q.close()方法之后，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

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

View Code