############### 进程的启动方式1 ##############
"""
并发编程：
进程
1，运行中的程序，就是进程，程序是没有生命的实体，运行起来了就有生命了，
操作系统可以管理进程，进程是操作系统基本的执行单元，
2，每一个进程都有它自己的地址空间，进程之间是不会混的，比如qq不能访问微信的地址空间，
操作系统替你隔离开了，这也是操作系统引入进程这个概念的原因，
#######################################
进程的调度
1，先来先服务，有一个不好的，就是不利于短作业
2，短作业优先算法，但其对长作业不利；不能保证紧迫性作业（进程）被及时处理；作业的长短只是被估算出来的。
3，时间片轮转算法，就是轮流执行，已经很科学了，
4，多级反馈队列算法，有多个队列，有一个新任务来了放入第一个队列，这是优先级加上时间片轮转，第二个任务来了放入下一级，
#######################################
并发和并行：
进程的并行：这种只有在多核cpu才可以实现，
进程的并发：这是轮流执行，由于速度很快，看起来像是一起执行的，比如一遍听音乐，一遍写代码，
######################################
进程的三状态转换图：非常重要
1，进程一开始运行的时候，是就绪的状态，这是第一个状态，就是告诉cpu，我已经准备好可以运行了，进入排队了，
2，时间片轮转，轮到你了之后，你就运行了，这是第二个状态，
3，发生阻塞，这是第三个状态，比如你的程序让你输入内容，input方法， 这时候是阻塞的，你输入完毕了之后，就又畅通了，
这是等待I/O完成，input，sleep，文件的输入和输出，
事件处理之后，你还要进入就绪状态了，
全部处理完了，就结束了，
###########################################
同步和异步
1，同步，需要等待，需要排队，你什么也不能干，
2，异步，不需要等待，你可以去做其他事情，
###########################################
阻塞和非阻塞
1，阻塞，就是input，sleep这些，需要等待，这是阻塞，
2，非阻塞，就是跳过这些阻塞，但是程序中不可避免的需要阻塞，因为需要等待内容处理，
###########################################
同步异步和阻塞非阻塞：
同步阻塞，就是
同步非阻塞
异步阻塞
异步非阻塞，效率更高，
###############################################
多进程有一个内置的模块：
from multiprocessing import Process
要学习几个地方：
1，进程的注册
2，进程的开启
3，进程的异步，
4，进程的同步，join，
5，进程注册函数的参数，
6，启动多个子进程，
"""
import time
from multiprocessing import Process
import os
def f(args1,args2):
print("*"*args1)
time.sleep(1) print("*"*args2) # print("子进程号",os.getpid()) # print("子进程的父进程号",os.getppid()) # print('我是子进程') if __name__ == '__main__': # p = Process(target=f, args=('bob',)) # p = Process(target=f, args=('bob',"123")) # 注册，p是一个进程，还没有启动，这是主进程， # args=('bob',)，如果注册的函数是有参数的，就要传递参数，如果有一个参数括号内要有一个逗号，因为这是一个元组， # p.start() # 启动进程，这是启动了一个子进程， # 现在子进程和主进程之间是异步的，如果我想在子进程结束之后再执行下面的代码，变成同步，怎么办？ # p.join() # 这个join就是在感知一个子进程的一个结束，将异步改成同步， # time.sleep(1) # print("父进程号",os.getpid()) # print("父进程的父进程号",os.getppid()) # 这个就是pycharm的进程号， # print('执行主进程的内容了') # 这一句的执行和子进程的执行内容是异步的,不是同步的, # 开启10个子进程 p_list=[] for i in range(10): p = Process(target=f, args=(10*i, 20*i)) p_list.append(p) p.start() # print("第%d轮"%(i+1)) # p.join() [p.join() for p in p_list ] # 保证前面的10个进程全部结束了，才会执行下面的代码， print("运行完了") # 这种开启了多进程，可以读多个进程去存文件，取文件内容， # 进程的生命周期， # 主进程没有开启子进程，就是执行完他的代码就结束了了 # 子进程也是执行完自己的代码就结束了， # 开启了子进程的主进程，主进程执行完了，要等待子进程结束之后，主进程才可以结束，
############### 进程的启动方式2 和 进程之间是数据隔离的 ##############
# 进程的启动方式2
# 第一点，创建一个类，继承process
# 第二点，类中必须实现run方法，这个run方法里面就是子进程要执行的内容，
import os
from multiprocessing import Process
class MyProcess(Process): # 继承导入的process，
def __init__(self,name): # 为了进程能传递参数，
super().__init__() # 这是继承了父类所有的参数，
self.name=name
def run(self):
# print(os.getpid())
print("子进程号",self.pid)
print("参数",self.name) # print(os.getpid()) 这两句是一样的，
if __name__ == '__main__': # p1=MyProcess() # 这是不传参数的 p1=MyProcess("name1") # 这是传参数的，这就是面向对象的实例化， p2=MyProcess('name2') p3=MyProcess('name3') p1.start() #start会自动调用run p2.start() # p2.run() p3.start() # 三个进程之间是异步的， p1.join() p2.join() p3.join() # 三个进程都结束了才会执行下面的内容，这是把异步，变成异步， print('主线程') # 进程之间的数据隔离问题 # 进程和进程之间的数据是否是隔离的，比如qq和微信，之间的数据是隔离的， # 几个进程之间，如果不通过特殊的手段，是不可能共享一个数据的，这个记住，没有什么可理解的， # 下面是一个例子，证明主进程和子进程之间是没有 from multiprocessing import Process def work(): global n # 声明了一个全局变量， n=0 print('子进程内: ',n) if __name__ == '__main__': n = 100 p=Process(target=work) p.start() print('主进程内: ',n)
############### 守护进程 ##############
# 守护进程
# 子进程----守护进程
# 第一版：主进程结束了，子进程还没有结束，
# import time
# from multiprocessing import Process
#
# def func():
# while True:
# time.sleep(1)
# print("我还活着")
#
#
# if __name__ == '__main__':
# p=Process(target=func)
# p.start()
# i = 0
# while i<10:
# time.sleep(1)
# i+=1
# print("主进程结束")
# 守护进程，就是主进程代码结束了而结束，记住不是主进程彻底结束，而是代码结束，
import time
from multiprocessing import Process
def func():
while True:
time.sleep(1)
print("我还活着") if __name__ == '__main__': p=Process(target=func) p.daemon=True # 设置子进程为守护进程， p.start() p2=Process(target=func) # 这个子进程没有设置为守护进程所以这个进程还在进行中， p2.start() # time.sleep(3) # p2.is_alive() # 判断一个进程是否活着 # p2.terminate() # 结束一个进程， i = 0 while i<5: time.sleep(1) i+=1 print("主进程代码结束")
############### 进程锁 ##############
# 进程锁
# 买票就是一个并发的过程,
# 文件db的内容为：{"ticket":1}
# 注意一定要用双引号，不然json无法识别
# 并发运行，效率高，但竞争写同一文件，数据写入错乱
# 买票不加锁，可能会有多个人买到票了。但是票只有一张，
# from multiprocessing import Process,Lock
# import time,json,random
#
# # 查询余票的函数
# def show(i):
# with open("db") as f :
# dic=json.load(f)
# print('余票%s'%dic['ticket'])
#
# # 买票的函数
# def bug_ticket(i):
# with open("db") as f :
# dic=json.load(f)
# time.sleep(0.1) # 模拟读数据的网络延迟
# if dic['ticket'] >0:
# dic['ticket']-=1
# print('\033[32m%s购票成功\033[0m'%i)
# else:
# print('\033[31m%s没买到票\033[0m'%i)
# time.sleep(0.1)
# with open("db","w") as f:
# json.dump(dic,f)
#
#
# if __name__ == '__main__':
# for i in range(10): # 模拟并发10个客户端查询票
# p=Process(target=show,args=(i,))
# p.start()
# for i in range(10):
# p = Process(target=bug_ticket, args=(i,))
# p.start()
# 加锁
from multiprocessing import Process,Lock
import time,json,random
# 查询余票的函数
def show(i):
with open("db") as f :
dic=json.load(f)
print('余票%s'%dic['ticket']) # 买票的函数 def bug_ticket(i,lock): lock.acquire() # 这就是拿钥匙进门，有一个进程拿了钥匙，之后第二个进程进来就没有钥匙了，就会阻塞， with open("db") as f : dic=json.load(f) time.sleep(0.1) # 模拟读数据的网络延迟 if dic['ticket'] >0: dic['ticket']-=1 print('\033[32m%s购票成功\033[0m'%i) else: print('\033[31m%s没买到票\033[0m'%i) time.sleep(0.1) with open("db","w") as f: json.dump(dic,f) lock.release() # 这是还钥匙，还了之后，别的进程就可以拿到了，就可以执行了， if __name__ == '__main__': for i in range(10): # 模拟并发10个客户端查询票 p=Process(target=show,args=(i,)) p.start() lock=Lock() for i in range(10): p = Process(target=bug_ticket, args=(i,lock)) p.start()
############### 多进程的信号量 ##############
# 多进程的信号量
from multiprocessing import Process
import time,random
from multiprocessing import Semaphore
# ktv只有1个房间，1个房间只能装4个人，但是这样写就是20个人都进入到房间了，
# 假设ket门口有4把钥匙，一个进程来了那一把钥匙，然后关门，这样只有4个进程能拿到，剩下的之后1个进程出来了才可以继续其他的进程，
# 这个概念就叫做信号量，同一时间就只有四个人，
def ktv(i,sem):
sem.acquire() # 获取钥匙
print("%d进入ktv"%i)
time.sleep(random.randint(60,180)) # 这是每一个人唱歌1-3分钟
print("%d走出ktv"%i) sem.release() # 还钥匙 if __name__ == "__main__": sem = Semaphore(4) # 这就是设置有多少把钥匙， 信号量的英文就是：Semaphore for i in range(20): p=Process(target=ktv,args=(i,sem)) p.start()
############### 进程的事件 ##############
# 进程的事件
# 事件
import time
from multiprocessing import Event, Process
# 一个信号，可以使所有的进程都进入阻塞状态，也可以控制所有信号都解除阻塞，
# 一个事件创建之后，默认是阻塞状态，
# e = Event() # 创建一个事件
# print(e.is_set()) # 查看一个事件是否是阻塞状态，
# print(123445)
# e.set() # 这是把阻塞的状态改为true，
# print(e.is_set())
# e.wait() # 根据e.is_set()的结果，如果是false，就会阻塞，如果是true就会不阻塞
# print(12344)
# e.clear() # 这是把阻塞的状态改为false
# print(e.is_set())
# e.wait() # 虽然阻塞了，但是一定要有这个wait，才会阻塞后面的代码，
# print(444444)
# 举一个例子，红绿灯
# 每一个进程表示一辆车，
def car(e,i):
#e.is_set() 默认返回False 代表的是绿灯
if not e.is_set():
print("car%s在等待"%i)
e.wait()
print("car%s通行了"%i) def light(e): while True: if e.is_set(): e.clear() print('\033[31m红灯亮了\033[0m') else: e.set() print('\033[32m绿灯亮了\033[0m') time.sleep(2) if __name__ == '__main__': e=Event() # 模拟启动交通灯 p1=Process(target=light,args=(e,)) p1.daemon=True p1.start() #模拟20辆小车 for i in range(20): import random time.sleep(random.uniform(0,2)) p2=Process(target=car,args=(e,i)) p2.start() print("程序彻底结束！")
############### 进程间的通信---队列 ##############
# 进程间的通信，
# 队列和通道，
# 队列
# 之前学过一个模块是queue，现在进程间的通信不能使用这个
# import queue
# 基本的队列的方法：
# from multiprocessing import Queue
# q =Queue(5) # 创建共享的进程队列，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，容量是5
# q.put(1) # 添加值，
# q.put(2)
# q.put(3)
# q.put(4)
# q.put(5)
# q.put(6) # 队列满了，就不能放了，这个就会阻塞，
# print(q.full()) # 这个队列是否满了，如果q已满，返回为True
# print(q.get()) # 返回q中的一个项目。如果q为空，此方法将阻塞
# print(q.get()) # 获取值，
# print(q.get()) # 获取值，
# print(q.get()) # 获取值，
# print(q.get()) # 获取值，
# print(q.get()) # 获取值，没有值了，第六次的时候就会阻塞，
#
# print(q.empty()) # 如果调用此方法时 q为空，返回True
#
# while True:
# try:
# q.get_nowait() # 如果有值就等
# except:
# print("队列已经空了")
# import time
# time.sleep(1)
# # 队列之间的通信
# from multiprocessing import Queue,Process
#
# # 生产数据的函数
# def produce(q):
# q.put("hello")
#
# def consume(q):
# print(q.get())
#
# if __name__ == '__main__':
# q = Queue()
# p = Process(target=produce,args=(q,))
# p.start()
# c = Process(target=consume,args=(q,))
# c.start()
#
# # 这就是两个子进程之间的通信，通过的队列，
#
# 队列的生产者和消费者模型
# 买包子的例子
# 有蒸包子的人，这就是生产者，有买包子的人，这就是消费者，
# 实际中，可能会有数据供需不平衡的问题，
# 就是数据生产的多了没有消费，所以我们要增加消费者，或者减少生产
# 数据消费的多了，我们要增加生产者，来解决这个问题，
# 我们把生产者作为一个进程，把消费者作为一个进程
from multiprocessing import Process,Queue,JoinableQueue
import time, random
def producer(name,food,q): # 三个参数，就是谁生产，生产了什么，放到哪里
for i in range(10):
time.sleep(random.randint(1,3)) # 1-3秒生产1个，
f = "%s生产了%s%s"%(name,food,i)
print(f)
q.put(f)
q.join() # 阻塞， 这是感知一个队列中的数据全部都处理完毕，
# 这种相当于把生产的生命周期拉长了，就是说你是生产完了还没有结束，你还要等待消费者把你生产的所有的东西都消费了，才能结束，
def consumer(q,name): while True: food =q.get() if food is None: # 问题：有多个消费者的时候，只有一个消费者拿到这个值，然后结束了，但是拿不到的消费者，就还没有结束， print("获取到一个空") break print("%s消费了%s"%(name,food)) time.sleep(random.randint(1,3)) # 1-3秒消费1个， q.task_done() # 队列的计数器 -1 if __name__ == '__main__': # q = Queue() q = JoinableQueue() p1 = Process(target=producer,args=("andy","包子",q)) p1.start() p2 = Process(target=producer,args=("Lucy","油条",q)) p2.start() c1 = Process(target=consumer,args=(q,"xiaoxiao")) c1.daemon =True # 意味着，主进程的代码执行结束之后，子进程就结束了， # 而主进程又是依赖两个生产者结束才结束的， # 而我在生产者的地方加了一个阻塞，直到消费者全都消费了之后才结束， # 所以这个设计是非常的巧妙的， c1.start() # 只有一个消费者，两个生产者， 所以会有供给过大，需要加一个消费者， c2 = Process(target=consumer,args=(q,"meimei")) c2.daemon =True c2.start() # 因为只会生产10个，所以怎么能够，没有生产了，但是消费的地方还在get，怎么办？ p1.join() p2.join() # q.put(None) # q.put(None) # 为什么是两个none？ # 问题：有多个消费者的时候，只有一个消费者拿到这个值，然后结束了，但是拿不到的消费者，就还没有结束， # 这种写法太麻烦了，如果有1000个还得了，怎么办？使用新的一个模块：JoinableQueue # 做了三件事; # 1，把c1，c2，改成守护进程 # 2，把生产者加一个q.join()，直到消费者全部消费结束 # 3，加了一个 q.task_done() # 队列的计数器 -1
############### 进程间通信--管道（了解） ##############
# 进程间通信
# 管道(管道只做了解)
from multiprocessing import Pipe,Process
# conn1,conn2 = Pipe() # pipe是一个函数，有两个返回值，这个地方我们是使用两个参数来接收这两个返回值，
# conn1.send("123")
# print(conn2.recv())
# 这就是管道，这是一个双向通信的，
# 你调用这个，就会给你一个左边，一个右边，你从左边传入，就可以从右边传出，
# 你从右边传入，就可以从左边传出，
# 怎么使用管道是的在进程间通信？
# 也可以使用生产者和消费者模型
import time,random
def producter(con,pro,name,food):
con.close()
for i in range(4):
time.sleep(random.random())
f = "%s生产了%s%s" % (name, food, i)
print(f) pro.send(f) def consumer(con,pro,name): pro.close() while True: try: food = con.recv() print("%s消费了%s" % (name, food)) time.sleep(random.random()) except EOFError: con.close() break if __name__ == '__main__': con, pro = Pipe() p= Process(target=producter,args=(con, pro,"andy","包子")) p.start() c1= Process(target=consumer,args=(con, pro,"li")) c1.start() c2= Process(target=consumer,args=(con, pro,"wang")) c2.start() con.close() pro.close() # pipe有一个数据不安全性，一个放一个取没有问题， # 但两个消费者的时候会有问题，会出现两个消费者抢资源的问题， # 怎么解决这个问题？通过加锁 # 所以我们还是使用队列，队列就是基于管道加锁的，管道就是基于socket的， # 使用队列就不会有数据不安全的问题了， # 自己加锁需要考虑很多问题，所以我们还是使用队列，管道作为了解， # 我们工作中顶多就会用到队列，
############### 进程之间的数据共享 ##############
# 进程之间的数据共享
# 通过Manager模块
from multiprocessing import Manager,Process,Lock
# 单个进程：
# def work(dic):
# dic['count']-=1
# print(dic)
#
# if __name__ == '__main__':
# m = Manager()
# dic=m.dict({'count':100})
# p_list=[]
# p = Process(target=work, args=(dic,))
# p_list.append(p)
# p.start()
# p.join()
# print("主进程",dic) # 主进程 {'count': 99},这就是子进程的改变，影响到了主进程
# 多个进程，出现的问题：
# def work(dic):
# dic['count']-=1
# # 这个就是涉及到多个进程修改一个内容的情况，这种是不安全的，怎么办？加锁
# # 按理说是50，可能会结果不是50
#
# if __name__ == '__main__':
# m = Manager()
# dic=m.dict({'count':100})
# p_list=[]
# for i in range(50): # 创建多个进程
# p = Process(target=work, args=(dic,))
# p_list.append(p)
# p.start()
# for i in p_list:
# p.join()
# print("主进程",dic) # 主进程 {'count': 99},这就是子进程的改变，影响到了主进程
# 多个进程加锁：
def work(dic,lock):
lock.acquire()
dic['count']-=1
# 这个就是涉及到多个进程修改一个内容的情况，这种是不安全的，怎么办？加锁
lock.release()
if __name__ == '__main__':
m = Manager()
lock = Lock() dic=m.dict({'count':100}) p_list=[] for i in range(50): # 创建多个进程 p = Process(target=work, args=(dic,lock)) p_list.append(p) p.start() for i in p_list: p.join() print("主进程",dic) # 主进程 {'count': 99},这就是子进程的改变，影响到了主进程 # 这个数据共享，工作中也不会用到， # 队列还有很多，kafak,rebbitmq,memcache
############### 进程池 ##############
"""
进程池的概念
为什么会有进程池?
1，因为没开启一个进程，都需要创建一个内存空间，这是耗时的
2，进程过多，操作熊的调度也会耗时，
所以会有非常大的性能问题，
所以我们不会让进程太大，我们会设计一个进程池，
进程池：
1，Python中先创建一个进程的池子，
2，这个进程池能存放多少个进程，比如有5个进程，
3，先把这些进程创建好，
4，比如有50个任务他们到进程池里面去找进程，找到的就执行，找不到的就等待，
5，进程执行结束之后，不会结束，而是返回进程池，等待下一个任务，
所以进程池，可以节省进程创建的时间，节省了操作系统的调度，而且进程不会过多的创建，
所以进程池和信号量有什么关系？
假设有200个任务，
信号量，信号量还是200个进程在排队，去拿钥匙，所以不能控制有多少进程，而是控制了同一时间有几个进程在执行，
也就是只允许5个进程让操作系统调度，节省了操作系统的调度时间，但是并没有节省进程的创建时间，
而进程池，是有200个任务去拿进程，所以进程池既是节省了操作系统的调度时间，也节省进程的创建时间，
更高级的进程池是比较智能的，
比如现在进程池有5个进程，就可以处理过来了，就不需要增加
但是如果处理等待的任务太多了，急需要往进程池里面加进程，一直到设置的进程池上限
如果任务减少了，就进程池里面减少，
这是比较智能的，
Python中没有高级的进程池，只有一个固定的进程数的进程池，没有弹性的那种，
"""
# from multiprocessing import Pool, Process
# def func(n):
# print(n + 1)
# if __name__ == '__main__':
# pool = Pool(5) # 进程池里面有5个进程，约定就是cpu的内核+1
# pool.map(func, range(100)) # 这是模拟100个任务,
# 这个map是一个异步的，而且自带close，和join功能，
# 上面是一个使用进程池的方法，还有其他的使用进程池的方法
# 使用了进程池之后，就不使用哪种创建进程的方式了，
from multiprocessing import Pool
import time,os
def func(n):
print("start func%s"%n,os.getpid())
time.sleep(1)
print("end func%s"%n,os.getpid()) if __name__ == '__main__': p = Pool(5) # 不写就是默认cpu的核数， for i in range(10): # p.apply(func,args=(i,)) # p.apply这是同步，很慢， p.apply_async(func,args=(i,)) # p.apply_async这是异步，这个一定是和close和join同时使用的， p.close() # 结束进程池接收任务 p.join() # 这是感知进程池中的任务执行结束，
############### 进程池的返回值 ##############
# 进程池的返回值，
from multiprocessing import Pool, Process
def func(i):
return i
# if __name__ == '__main__':
# pool = Pool(5)
# res_list = []
# for i in range(10):
# # res = pool.apply(func,args=(i,)) # 所以这个结果接收，就是返回值，
# res = pool.apply_async(func,args=(i,)) # 所以这个结果接收，就是返回值，
# res_list.append(res)
# for res in res_list:
# print(res.get()) # get会阻塞等待结果
# 上面讲了apply和apply_async 的返回值的问题，
# 下面讲讲map的返回值的问题，比较简单
if __name__ == '__main__':
pool = Pool(5)
ret = pool.map(func,range(10)) print(ret) # 这是返回了一个列表， # 使用的时候想用map，map搞不定就使用，apply_async
############### 进程池的回调函数 ##############
# 进程池的回调函数
from multiprocessing import Pool
def func1(n):
print(111)
return n
def func2(n):
print(222) print(n*2) if __name__ == '__main__': p = Pool(5) p.apply_async(func1,args=(10,),callback=func2) p.close() p.join() # 回调函数都是在主进程中执行的，