博客整理day29

python day29

进程互斥锁

​ 枷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,虽然牺牲了执行效率,保证了数据安全

​ 在程序并发执行时,需要修改数据时使用

'''
模拟抢票软件需求:
    并发查票与抢票
    1.查看余票
    2.开始抢票
进程互斥锁:
    让并发变成串行, 牺牲了执行效率, 保证了数据安全.
    在程序并发执行时,需要修改数据时使用.
'''
import json
from multiprocessing import Process
from multiprocessing import Lock

def search(user):
    with open('data.txt','r',encoding='utf8') as f:
        dic = json.load(f)
    print(f'{user}查询余票,还剩余{dic["ticket_num"]}')

def buy(user):
    with open('data.txt','r',encoding='utf8') as f:
        dic = json.load(f)

    if dic['ticket_num'] > 0:
        dic['ticket_num'] -= 1
        with open('data.txt','w',encoding='utf8') as f:
            json.dump(dic,f)
            f.flush()
        print(f'{user}抢票成功!')

    else:
        print('没有票了!')

def run(user,mutex):
    search(user)
    mutex.acquire()
    buy(user)
    mutex.release()

if __name__ == '__main__':
    mutex = Lock()
    for i in range(10):
        p = Process(target=run,args=(f'用户{i}', mutex))
        p.start()

进程间通信

​ 因为进程之间的数据是相互隔离的,要实现进程间的通信(IPC机制),就必须借助于其他的技术,比如multiprocessing模块中的:

队列

​ 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

队列可以存放多个数据,但是数据要遵循先进先出的顺序

'''
队列:先进先出
	相当于内存中产生一个队列空间
堆栈: 先进后出
'''
from muliprocess import Queue

#调用队列类,实例化队列对象q
q = Queue(3)
#put添加数据,若队列的数据满了,则卡住
q.put(1)
print('数据1')
q.put(2)
print('数据2')
q.put(3)
print('数据3')

#查看队列是否满了
print(q.full())  #True
#q.get():获取的数据遵循'先进先出',若队列中无数据可取,也会卡住
print(q.get())
print(q.get())
print(q.get())
#print(q.get())

#get_nowait():也是用来获取数据,队列中若没有,则会报错
#print(q.get_nowait())

#判断队列是否为空
print(q.empty())
q.put(4)
q.pu_nowait(5)
'''
IPC(进程间通信):
    进程间数据是相互隔离的,若想实现进程间通信,可以利用队列.
'''
from muliprocessing import Process
from muliprocessing import Queue

def test1(q):
    data = '数据hello'
    q.put(data)
    print('进程1开始添加数据到队列中..')
    
def test2(q):
    data = q.get()
    print(f'进程2从队列中获取数据{data}')
    
if __name__ == '__main__':
    q = Queue()
    p1 = Process(target = test1,args = (q,))
    p2 = Process(target = test2,args = (q,))
    
    p1.start()
    p2.start()

生产者消费者模型

生产者 ----> 产生数据

消费者 ----> 使用数据

from multiprocessing import Queue, Process
import time

# 生产者
def producer(name, food, q):
    for i in range(9):
        data = food, i
        msg = f'用户{name}开始制作{data}'
        print(msg)
        q.put(data)
        time.sleep(0.1)

# 消费者
def consumer(name, q):
    while True:
        data = q.get()
        if not data:
            break
        print(f'用户{name}开始吃{data}')

if __name__ == '__main__':
    q = Queue()
    p1 = Process(target=producer, args=('user_1', '鸡腿', q))
    p2 = Process(target=producer, args=('user_2', '薯条', q))

    c1 = Process(target=consumer, args=('jack', q))
    c2 = Process(target=consumer, args=('rose', q))

    p1.start()
    p2.start()
    c1.start()
    c2.start()

    p2.join()
    print('主程序结束!')

线程

什么是线程

​ 在操作系统中,每个进程都有一个地址空间,而且默认就有一个控制线程

​ 线程与进程都是虚拟单位,目的是为了更好的描述某种事物,所以,进程只是用来把资源集中到一起,二线程才是cpu上的执行单位

进程:资源单位

线程:执行单位

开启一个进程,一定会有一个线程,线程才是真正的执行者

为什么要是用线程

节省内存资源

开启进程

1. 开辟一个名称空间,每开启一个进程都会占用一份内存资源
2. 会自带一个线程

开启线程

1. 一个进程可以开启多个线程
2. 线程的开销远小于进程

attention : 线程不能实现并行,线程只能实现并发,进程可以实现并行

开启线程的方式

方式一

from threading import Thread
import time
def task():
    print('线程开启')
    time.sleep(1)
    print('线程结束')
    
if __name__ == '__main__':
    #调用Thread线程类实例化得到线程对象
    t = Thread(target = task)
    t.start()

方式二

class MyThread(Thread):
    def run(self):
        print('线程开启')
        time.sleep(1)
        print('线程结束')
        
if __name__ == '__main__':
    t = MyThread()
    t.start()

线程对象的属性

t.isAlive  判断线程是否还存活
t.daemon  守护线程
线程之间的数据是共享的

线程互斥锁

from threading import Thread,Lock
import time

mutex = Lock()

n = 100

def task(i):
    print(f'线程{i}启动..')
    global n
    mutex.acquire()
    temp = n
    time.sleep(0.1)
    n = temp - 1
    print(n)
    mutex.release()
    
if __name__ == '__main__':
    t_list = []
    for i in range(10):
        t = Tread(target = task,args(i,))
        t_list.append(t)
        t.start()
    for i in t_list:
        t.join()
    
    print(n)
posted @ 2019-10-22 20:13  simple123  阅读(129)  评论(0编辑  收藏  举报