10月11日学习内容整理：守护进程，同步（互斥锁），IPC机制（队列和管道），生产者和消费者模型
一、守护进程
1、作用：可以用来监测父进程的运行状态（起辅助作用）
2、特点：
》》守护进程内无法再创建子进程
》》当主进程代码正常运行完毕后守护进程就会立即随之结束，这里注意是主进程的代码
3、实现：p.daemon=True 设置为守护进程，必须在开启（start）之前设置
4、举例：
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')
二、互斥锁
1、应用背景：进程之间地址空间是隔离的，数据不共享，若多个进程要共用同一数据或终端这就产生了竞争关系，竞争就带来了错乱，而将竞争变得有序化的核心就是并发变为串行，这就引入了锁的概念，将共享的数据存到硬盘中
2、作用：可以实现当多个进程要对同一块数据进行修改时，能够保证同一时间只有一个任务可以进行修改（若不加锁的话，谁抢着就可以修改的话，这样是会引起数据的错乱的，数据的错乱就会导致后续执行存在隐患）
3、特点：锁保证了数据的安全性，但是却导致效率变低并且还得自己加锁
4、代码实现：运用multiprocessing模块的Lock类
》》一定要记得开锁操作，也可以用with( with lock :)
》》实现串行也可以用join方法，但是join方法是将多个子进程所有的方法串行，这样显然是不行的
5、举例：
from multiprocessing import Process,Lock import time,json,random def search(): dic=json.load(open('db.txt')) print('\033[43m剩余票数%s\033[0m' %dic['count']) def get(): dic=json.load(open('db.txt')) time.sleep(0.1) #模拟读数据的网络延迟 if dic['count'] >0: dic['count']-=1 time.sleep(0.2) #模拟写数据的网络延迟 json.dump(dic,open('db.txt','w')) print('\033[43m购票成功\033[0m') def task(lock): #接受lock对象 search() lock.acquire() #加锁，其余进程就无法继续执行get函数，只能等当前进程执行完后才能执行 get() lock.release() #开锁，必须要有开锁这一步，否则其余进程就无法继续执行了 if __name__ == '__main__': lock=Lock() #得到lock对象 for i in range(100): #模拟并发100个客户端抢票 p=Process(target=task,args=(lock,)) #传入lock对象 p.start()
三、IPC机制：进程之间的通信
1、应用背景：针对锁的效率低还要自己加锁的缺点，运用multiprocessing模块提供的基于消息的IPC机制也就是队列和管道，以实现效率高且替我们处理锁的问题
2、队列：基于管道+锁实现的，所以通常我们都用队列；将数据存放在内存中
3、队列的方法： q=Queue （3） 代表最多放3次数据，要想放第4次第5次数据必须要等队列被取出数据有剩余空间时才行
基本方法：
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可以继续放入数据（若timeout为None，那么就会一直等着直到有剩余空间）。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。
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（若timeout为None且是死循环,那么就会一直等下去）。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.
q.get_nowait():同q.get(False)
q.put_nowait():同q.put(False)
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。
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。
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
其它方法（了解）
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
四、生产者和消费者模型
1、生产者：即是生产数据的程序
2、消费者：即是处理数据的程序
3、模型：生产者和消费者属于不同的进程，它们之间的数据不能直接交互，所以就通过队列来存储生产者生产的数据，而消费者则直接从队列里取出数据去处理
4、举例：
from multiprocessing import Queue,Process import time,random def producer(name,q): for i in range(10): time.sleep(random.randint(1,3)) res='泔水%s' %i q.put(res) #往队列里放入数据 print('厨师 %s 生产了 %s' %(name,res)) def consumer(name,q): while True: #因为要不断的从队列中去数据，所以要加循环 res=q.get() #从队列中取出数据，有就取，若队列为空则会等（因为是死循环） if res is None:break #对结束标志进行判断 time.sleep(random.randint(1,3)) print('%s 吃了 %s' %(name,res)) if __name__ == '__main__': q=Queue() p1=Process(target=producer,args=('egon',q)) c1=Process(target=consumer,args=('alex',q)) p1.start() c1.start() p1.join() #必须等到生产者程序结束以后才能发送标志位 q.put(None) #若不加生产者的结束标识，那么消费者就会一直处在接受数据的状态下，这样主进程就不会结束了
