管道:
Conn1,conn2 = Pipe()
Conn1.recv()
Conn1.send()
数据接收一次就没有了
from multiprocessing import Process,Pipe
def f1(conn):
from_zhu = conn.recv()
print('我是子进程')
print('来自子进程的消息:', from_zhu)
if __name__ == '__main__':
conn1,conn2 = Pipe()
p1 = Process(target=f1,args=(conn1,))
p1.start()
conn1.send('小宝贝,你在哪')
print('我是主进程')
事件:
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() 将事件对象的状态改为true,
E.is_set() 查看状态
E.clear() 将事件对象的状态改为false
from multiprocessing import Process,Event
e = Event()
print('e的状态是:', e.is_set())
print('进程运行到这里了')
e.set()
print('e的状态是:', e.is_set())
e.clear()
e.wait()
print('进程过了wait')
信号量:
S = semphore(4),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()
with s:
print('%s男嘉宾到了' % i)
time.sleep(random.randint(1,3))
# s.release()
if __name__ == '__main__':
s = Semaphore(4) # 计数器4,acquire一次减一,为0,其他人等待,release加1
for i in range(10):
p = Process(target=f1, args=(i,s))
p.start()
进程池(*****)
进程的创建和销毁是很有消耗的,影响代码执行效率
进程池:
Map:异步提交任务,并且传参需要可迭代类型的数据,自带close和join功能
Res = Apply(f1,args=(i,)) #同步执行任务,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
Res_obj = Apply_async(f1,args=(i,)) #异步提交任务,可以直接拿到结果对象,从结果对象里面拿结果,
要用get方法,get方法会阻塞程序,没有拿到结果会一直等待
Close : 锁住进程池,防止有其他的新的任务在提交给进程池
Join : 等待着进程池将自己里面的任务都执行完
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
# 对比多进程和进程池的效率
import time
from multiprocessing import Process, Pool
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)
[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)
