python--(十五步代码学会进程)
python--(十五步代码学会进程)
一.进程的创建
import time import os #os.getpid() 获取自己进程的id号 #os.getppid() 获取自己进程的父进程id号 from multiprocessing import Process def func(): print("aaa") time.sleep(1) print("子进程>>>",os.getpid()) print("该子进程的父进程>>>",os.getppid()) print(12345) if __name__ == "__main__": p = Process(target=func,) p.start() print("*" * 10) print("主进程>>>",os.getpid()) print("父进程>>>",os.getppid()) 给要执行的函数传参数 import time from multiprocessing import Process def func(x,y): print(x) time.sleep(1) print(y) if __name__ == "__main__": p = Process(target=func,args=("姑娘","来玩啊"))#这是func需要接受的参数的传输方式 p.start() print("父进程执行结束")
二.join方法
import time from multiprocessing import Process 验证join方法 global_num = 100 def func1(): time.sleep(2) global global_num global_num = 0 print("子进程全局变量>>>",global_num) if __name__ == "__main__": p1 = Process(target=func1,) p1.start() print("子进程执行") time.sleep(3) p1.join()#阻塞住,等待你的p1子进程执行sing结束,主进程的程序才能从这里继续往下执行 print("主进程的全局变量>>>",global_num) 验证了一下并发的执行时间 import time from multiprocessing import Process def func1(n): time.sleep(n) print("func1",n) def func2(n): time.sleep(n) print("func2",n) def func3(n): time.sleep(n) print("func3",n) if __name__ == "__main__": p1 = Process(target=func1,args=(1,)) p2 = Process(target=func2,args=(2,)) p3 = Process(target=func3,args=(3,)) p1.start() p2.start() p3.start() for循环在创建进程中的应用 import time from multiprocessing import Process def func1(n): time.sleep(1) print(n) if __name__ == "__main__": pro_list = [] for i in range(10): p1 = Process(target=func1,args=(i,)) p1.start() pro_list.append(p1) # p1.join() # for p in pro_list: # # p.join() p1.join() print("主进程结束")
僵尸进程和孤儿进程
import time import os from multiprocessing import Process def func1(): time.sleep(30) print(os.getpid()) print('子进程') if __name__ == '__main__': p1 = Process(target=func1,) p1.start() # p1.join() # time.sleep(2) # print(p1.pid) print('主进程的ID',os.getpid()) print('主进程结束')
三.创建进程的两种方式
import time from multiprocessing import Process import os # import test01 # def func1(n): # # time.sleep(1) # print(n) # # def func2(n): # # time.sleep(1) # print(n) # # def func3(n): # # time.sleep(1) # print(n) # # def func4(n): # # time.sleep(1) # print(n) # # if __name__ == '__main__': # p1 = Process(target=func1,args=(1,)) # p2 = Process(target=func2,args=(2,)) # p3= Process(target=func3,args=(3,)) # p4 = Process(target=func4,args=(4,)) # p1.start() # run() # p2.start() # p3.start() # p4.start() # # time.sleep(0.5) # print('主进程结束') # 之前同步执行的 # func1(1) # func2(2) # func3(3) # func4(4) 创建进程的第一种方式: # p1 = Process(target=func1, args=(1,)) # p1.start() 创建进行的第二种方式: #自己定义一个类,继承Process类,必须写一个run方法,想传参数,自行写init方法,然后执行super父类的init方法 # class MyProcess(Process): # def __init__(self,n,name): # super().__init__() # self.n = n # self.name = name # # def run(self): # # print(1+1) # # print(123) # print('子进程的进程ID',os.getpid()) # print('你看看n>>',self.n) # # if __name__ == '__main__': # p1 = MyProcess(100,name='子进程1') # p1.start() #给操作系统发送创建进程的指令,子进程创建好之后,要被执行,执行的时候就会执行run方法 # print('p1.name',p1.name) # print('p1.pid',p1.pid) # print('主进程结束')
四.进程的其他方法terminate is_alive.py
import time from multiprocessing import Process def func1(): time.sleep(2) print() print("子进程") if __name__ == "__main__": p1 = Process(target=func1,) p1.start() p1.terminate() #给操作系统发了一个关闭p1子进程的信号,关闭进程 time.sleep(1) print("进程是否还活着:",p1.is_alive())#是返回True,否返回False print(p1.pid) print("主进程结束")
五.守护进程
#守护的子进程跟着主进程走 import time import os from multiprocessing import Process def func(): time.sleep(5) print('子进程', os.getpid()) if __name__ == '__main__': p1 = Process(target=func) p1.daemon = True # 设置守护进程, 当主进程结束时全部子进程立即结束 p1 .start() # time.sleep(5.5) print('主进程结束')
六.验证进程之间是空间隔离的
import time from multiprocessing import Process #进程之间是空间隔离的,不共享资源 global_num = 100 def func1(): global global_num global_num = 0 print("子进程全局变量>>>",global_num) if __name__ == "__main__": p1 = Process(target=func1,) p1.start() time.sleep(1) print("主进程的全局变量>>>",global_num)
七.子进程中不能使用input
from multiprocessing import Process def func1(): s = input('>>>') if __name__ == '__main__': p1 = Process(target=func1,) p1.start() # a = input('>>>:') print('主进程结束') ##报错
八.进程锁
ticket_lock = Lock()#创建锁 .acquire()#加锁, .release()#解锁
同步锁的作用:#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
import json import time import random from multiprocessing import Process,Lock def get_ticket(i,ticket_lock): print("我们都到齐了,大家预备!!123") time.sleep(1) #所有代码 异步执行,到这里等待,同时再去抢下面的代码执行 ticket_lock.acquire() #这里有个门,只有一个人能够抢到这个钥匙,加锁 with open("ticket","r") as f: last_ticket_info = json.load(f) #将文件数据load为字典类型的数据 last_ticket = last_ticket_info["count"] print(last_ticket) #查看一下余票的信息 if last_ticket > 0: #如果看到余票大于零,说明你可以抢到票 time.sleep(random.random()) #模拟网络延迟时间 last_ticket = last_ticket - 1 last_ticket_info["count"] = last_ticket with open("ticket","w") as f: #将修改后的参数写回文件 json.dump(last_ticket_info,f) print("%s号抢到了,丫nb!" % i) else: print("%s号傻逼,没票了,明年再来" % i) ticket_lock.release() if __name__ == "__main__": ticket_lock = Lock() #创建一个进程锁 for i in range(10): p = Process(target=get_ticket, args=(i, ticket_lock)) p.start()
九.信号量
Semaphore()
互斥锁同时只允许一个线程更改数据，而信号量Semaphore是同时允许一定数量的线程更改数据 。
假设商场里有4个迷你唱吧，所以同时可以进去4个人，如果来了第五个人就要在外面等待，等到有人出来才能再进去玩。
实现：
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（Dijkstra）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，信号量涉及到加锁的概念
import time import random from multiprocessing import Process,Semaphore def dbj(i,s): s.acquire() print('%s号男主人公来洗脚'%i) print('-------------') time.sleep(random.randrange(3,6)) # print(time.time()) s.release() if __name__ == '__main__': s = Semaphore(4) #创建一个计数器,每次acquire就减1,直到减到0,那么上面的任务只有4个在同时异步的执行,后面的进程需要等待. for i in range(10): p1 = Process(target=dbj,args=(i,s,)) p1.start()
十.事件
e = Event()# e.set()#将e改为True e.clear() # 将e改为False
python线程的事件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。
from multiprocessing import Process, Event e = Event() #False True print(e.is_set()) e.set() #将e事件的状态改为True print("在这里等待") e.clar() #将e事件的状态改为False print("111") e.wait() print("是真的吗")
import time from multiprocessing import Process,Event #模拟红绿灯执行状态的函数 def traffic_lights(e): while 1: print("红灯啦") time.sleep(5) e.set() #将e改为True print("绿灯了") time.sleep(3) e.clear() #将e改为False def car(i,e): if not e.is_set(): #新来的车看到的是红灯 print("我们在等待....") e.wait() print("走你") else: print("可以走了!!!") if __name__ == "__main__": e = Event() hld = Process(target=traffic_lights, args=(e,)) hld.start() while 1: time.sleep(0.5) #创建10个车 for i in range(3): p1 = Process(target=car,args=(i,e,)) p1.start()
十一.队列
# 遵循先进先出的原则 q = Queue(3) 创建3个队列 q.put()发送数据 q.get()接受数据
q = Queue([maxsize]) #创建共享的进程队列 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( ) #和q.get(False)方法,一样 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。 .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 Process,Queue #先进先出 q = Queue(3) q.put(1) q.put(2) # print(q.full()) #q.full()队列满了返回True,不满返回False q.put(3) # print('>>>>',q.full()) q.get_nowait()= () #不会阻塞住,相当于空队列 # try: # q.get(False) # queue.Empty # q.get_nowait() #queue.Empty # except: # print('队列目前是空的') # while 1: # try: # q.get(False) #queue.Empty # except: # print('队列目前是空的')
队列实现进程的通信
import time from multiprocessing import Process,Queue def girl(q): print('来自boy的信息',q.get()) print('来自校领导的凝视',q.get()) def boy(q): q.put('约吗') if __name__ == '__main__': q = Queue(5) boy_p = Process(target=boy,args=(q,)) girl_p = Process(target=girl,args=(q,)) boy_p.start() girl_p.start() time.sleep(1) q.put('好好工作,别乱搞')
十二.生产者消费者模式
#生产者消费者模型总结 #程序中有两类角色 一类负责生产数据（生产者） 一类负责处理数据（消费者） #引入生产者消费者模型为了解决的问题是： 平衡生产者与消费者之间的工作能力，从而提高程序整体处理数据的速度 #如何实现： 生产者<-->队列<——>消费者 #生产者消费者模型实现类程序的解耦和
import time from multiprocessing import Process,Queue def producer(q): for i in range(1,11): time.sleep(1) print('生产了包子%s号' % i) q.put(i) q.put(None) #针对第三个版本的消费者,往队列里面加了一个结束信号 #版本1 # def consumer(q): # while 1: # time.sleep(2) # s = q.get() # print('消费者吃了%s包子' % s) #版本2 # def consumer(q): # while 1: # time.sleep(0.5) # try: # s = q.get(False) # print('消费者吃了%s包子' % s) # except: # break def consumer(q): while 1: time.sleep(2) s = q.get() if s == None: break else: print('消费者吃了%s包子' % s)
生产者消费者模型 import time from multiprocessing import Process,Queue def producer(q): for i in range(1,11): time.sleep(1) print('生产了包子%s号' % i) q.put(i) def consumer(q): while 1: time.sleep(2) s = q.get() if s == None: break else: print('消费者吃了%s包子' % s) if __name__ == '__main__': #通过队列来模拟缓冲区,大小设置为20 q = Queue(20) #生产者进程 pro_p = Process(target=producer,args=(q,)) pro_p.start() #消费者进程 con_p = Process(target=consumer,args=(q,)) con_p.start() pro_p.join() q.put(None)
1 #生产者消费者模型 2 import time 3 from multiprocessing import Process,Queue,JoinableQueue 4 5 def producer(q): 6 for i in range(1,11): 7 time.sleep(0.5) 8 print('生产了包子%s号' % i) 9 q.put(i) 10 q.join() 11 print('在这里等你') 12 def consumer(q): 13 while 1: 14 time.sleep(1) 15 s = q.get() 16 print('消费者吃了%s包子' % s) 17 q.task_done() #给q对象发送一个任务结束的信号 18 19 if __name__ == '__main__': 20 #通过队列来模拟缓冲区,大小设置为20 21 q = JoinableQueue(20) 22 #生产者进程 23 pro_p = Process(target=producer,args=(q,)) 24 pro_p.start() 25 #消费者进程 26 con_p = Process(target=consumer,args=(q,)) 27 con_p.daemon = True # 28 con_p.start() 29 pro_p.join() 30 print('主进程结束')
十三.管道
from multiprocessing import Process,Pipe
conn1,conn2 = Pipe()
进程间通信（IPC）方式二：管道（不推荐使用，了解即可），会导致数据不安全的情况出现
# 管道 from multiprocessing import Process,Pipe import time # conn1,conn2 = Pipe() # conn1.send("你好") # print(">>>>>") # msg = conn2.recv() # print(msg) # def func1(conn2): # try: # msg = conn2.recv() # print(">>>",msg) # #如果管道一端关闭了,那么另外一端在接收消息的时候回报错 # except EOFError: # print("对方管道一端已经关闭") # conn2.close() # if __name__ == '__main__': # conn1,conn2 = Pipe() # p = Process(target=func1,args=(conn2,)) # p.start() # conn1.send("收到了吗") def func1(conn1,conn2): msg = conn2.recv() #阻塞 print(">>>>",msg) if __name__ == '__main__': conn1,conn2 = Pipe() p = Process(target=func1, args=(conn1, conn2,)) p.start() conn1.send("收到了吗") conn1.close() #conn1.recv() #OSError: handle is closed
十四.数据共享(不安全)
# 数据共享 # from multiprocessing import Process,Manager # # def func(m_dic): # m_dic["辉哥"] = "辉哥大帅比" # if __name__ == '__main__': # m = Manager() # m_dic = m.dict({"辉哥":"辉哥帅不帅"}) # print("主进程",m_dic) # p = Process(target=func, args=(m_dic,)) # p.start() # p.join() # print("主进程2",m_dic) # 数据共享manager不安全 # from multiprocessing import Process,Manager,Lock # def func(m_dic, ml): # """不加锁的情况会出现数据错乱 # m_dic["count"] -= 1 # 下面是加锁的另一种形式 # 等同 : ml.acquire() # m_dic["count"] -= 1 # ml.release()""" # with ml: # m_dic["count"] -= 1 # if __name__ == '__main__': # m = Manager() # ml = Lock() # m_dic = m.dict({"count":100}) # p_list = [] # for i in range(20): # p1 = Process(target=func,args=(m_dic, ml,)) # p1.start() # p_list.append(p1) # [pp.join() for pp in p_list] # print("主进程",m_dic)
十五.进程池
multiprocess.Poll模块
创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务（高级一些的进程池可以根据你的并发量，搞成动态增加或减少进程池中的进程数量的操作），不会开启其他进程，提高操作系统效率，减少空间的占用等。
进程池相关方法:
p.apply(func [, args [, kwargs]]):
在一个池工作进程中执行func(*args,**kwargs),然后返回结果。 '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()''' p.apply_async(func [, args [, kwargs]]):
在一个池工作进程中执行func(*args,**kwargs),然后返回结果。 '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。''' p.close():
关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成 P.jion():
等待所有工作进程退出。此方法只能在close（）或teminate()之后调用 方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法 obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。 obj.ready():如果调用完成，返回True obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常 obj.wait([timeout]):等待结果变为可用。 obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数
import time from multiprocessing import Process,Pool def func(n): print(n) if __name__ == '__main__': pool = Pool(4) # pool.map(func,range(100)) #参数是可迭代的 pool.map(func,['sb',(1,2)]) #参数是可迭代的
# 进程池 import time from multiprocessing import Process,Pool def func(n): for i in range(5): time.sleep(1) n= n + i print(n) if __name__ == '__main__': #用时间验证一下传参 pool_start_time = time.time() pool = Pool(4) #4个进程 pool.map(func,range(100)) #map(方法,可迭代对象) 映射 自带join功能,异步执行任务 pool_end_time = time.time() pool_dif_time = pool_end_time - pool_start_time #多进程的执行时间 # p_s_time = time.time() # p_list = [] # for i in range(200): # p1 = Process(target=func, args=(i,)) # p1.start() # p_list.append(p1) # [p.join() for p in p_list] # p_e_time = time.time() # p_dif_time = p_e_time - p_s_time print('进程池的执行时间', pool_dif_time) print('多进程的执行时间', p_dif_time)
import time from multiprocessing import Process,Pool def fun(i): time.sleep(0.5) return i**2 if __name__ == '__main__': p = Pool(4) for i in range(10): res = p.apply(fun,args=(i,)) # apply 同步执行的进程方法,他会等待你的任务的返回结果 print(res)
import time from multiprocessing import Process,Pool def fun(i): time.sleep(1) print(i) return i**2 if __name__ == '__main__': p = Pool(4) res_list = [] for i in range(10): res = p.apply_async(fun,args=(i,)) # #同步执行的方法,他会等待你的任务的返回结果, res_list.append(res) p.close() # 不是关闭进程池,而是不允许再有其他任务来使用进程池 p.join() # 这是感知进程池中任务的方法,进程池中所有的进程随着主进程的结束而结束了,等待进程池的任务全部执行完 for e_res in res_list: print("结果", e_res.get())
回调函数:
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数，这是进程池特有的，普通进程没有这个机制，但是我们也可以通过进程通信来拿到返回值，进程池的这个回调也是进程通信的机制完成的。
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果
import os from multiprocessing import Pool def func1(n): print('func1>>',os.getpid()) # print('func1') return n*n def func2(nn): print('func2>>',os.getpid()) # print('func2') print(nn) # import time # time.sleep(0.5) if __name__ == '__main__': print('主进程：',os.getpid()) p = Pool(4) p.apply_async(func1,args=(10,),callback=func2) p.close() p.join()
进程池版的socket并发聊天代码示例:
#Pool内的进程数默认是cpu核数，假设为4（查看方法os.cpu_count()） #开启6个客户端，会发现2个客户端处于等待状态 #在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程 from socket import * from multiprocessing import Pool import os server=socket(AF_INET,SOCK_STREAM) server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1) server.bind(('127.0.0.1',8080)) server.listen(5) def talk(conn): print('进程pid: %s' %os.getpid()) while True: try: msg=conn.recv(1024) if not msg:break conn.send(msg.upper()) except Exception: break if __name__ == '__main__': p=Pool(4) while True: conn,*_=server.accept() p.apply_async(talk,args=(conn,)) # p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问 复制代码
from socket import * client=socket(AF_INET,SOCK_STREAM) client.connect(('127.0.0.1',8080)) while True: msg=input('>>: ').strip() if not msg:continue client.send(msg.encode('utf-8')) msg=client.recv(1024) print(msg.decode('utf-8'))
进程池中爬虫示例:
from multiprocessing import Pool import time,random import requests import re def get_page(url,pattern): response=requests.get(url) if response.status_code == 200: return (response.text,pattern) def parse_page(info): page_content,pattern=info res=re.findall(pattern,page_content) for item in res: dic={ 'index':item[0], 'title':item[1], 'actor':item[2].strip()[3:], 'time':item[3][5:], 'score':item[4]+item[5] } print(dic) if __name__ == '__main__': pattern1=re.compile(r'<dd>.*?board-index.*?>(\d+)<.*?title="(.*?)".*?star.*?>(.*?)<.*?releasetime.*?>(.*?)<.*?integer.*?>(.*?)<.*?fraction.*?>(.*?)<',re.S) url_dic={ 'http://maoyan.com/board/7':pattern1, } p=Pool() res_l=[] for url,pattern in url_dic.items(): res=p.apply_async(get_page,args=(url,pattern),callback=parse_page) res_l.append(res) for i in res_l: i.get() # res=requests.get('http://maoyan.com/board/7') # print(re.findall(pattern,res.text))
