python并发编程基础之守护进程、队列、锁

并发编程2

1.守护进程

什么是守护进程？

表示进程A守护进程B，当被守护进程B结束后，进程A也就结束。

from multiprocessing import Process
import time
​
def task():
    print('妃子的一生')
    time.sleep(15)
    print('妃子死了')
​
if __name__ == '__main__':
    fz = Process(target=task)
    fz.daemon = True #将子进程作为主进程的守护进程。必须在开启之前设置
    fz.start()
    print('皇帝登基了')
    time.sleep(1)
    print('做了10年皇帝')
    time.sleep(5)
    print('皇帝驾崩了！')

上面的代码说明了什么叫守护进程，需要注意的是，守护进程须在进程开启前设置，就是改变了，本质其实就是改变了Process类里面的daemon属性，默认是False

应用场景：之所以开启子进程，是为了帮助主进程完成某个任务，然而主进程认为自己的事情一旦完成，子进程就没必要存在，那就可以将子进程设置未主进程的守护进程。

例如：QQ下载文件，QQ退出，文件就终止下载。

2、互斥锁

1.什么是锁（Lock）？

锁是multiprocessing模块中的一个类（Lock）。

2.为什么要有锁？

串行效率低，但是数据不会出现问题。并发效率高，但是数据可能出错。

当多进程共享一个数据时，可能造成数据错乱。

1.使用join方法可以让数据不会错乱，但是会让进程变为串行。效率不高。

2.使用lock可以将数据加锁，其他程序使用时需等待当前程序使用完成。lock只是使部分代码串行，其他部分还是并发。

3.互斥锁的示例

Lock类的两个方法acquire（锁）和release（释放），acquire将状态变为True,  release是将状态变为False

锁的本质就是一个bool类型，在执行前会先判断这个值。

def acquire(self, blocking=True, timeout=-1):
    pass
​
def release(self):
    pass
#锁的使用
#注意：使用锁的必须保证锁是同一个
from multiprocessing import Process,Lock
import random
import time
​
​
def task1(lock):
    lock.acquire()
    print('')
    time.sleep(random.randint(1, 3))
    print('')
    lock.release()
def task2(lock):
    lock.acquire()
    print('')
    time.sleep(random.randint(1,2))
    print('')
    lock.release()
def task3(lock):
    lock.acquire()
    print('')
    time.sleep(random.randint(1, 3))
    print('')
    lock.release()
​
if __name__ == '__main__':
    lock = Lock()
    p1 = Process(target=task1, args=(lock,))
    p1.start()
    p2 = Process(target=task2, args=(lock,))
    p2.start()
    p3 = Process(target=task3, args=(lock,))
    p3.start()

 ###输出结果除了1的位置固定，后两个不固定，但是如果出现了2，则必须运行完2
1111
11111111
3333333333
33333333333333333333333
222222
2222222222222

​

4.锁的应用

应用场景：购票软件的购票过程。

逻辑分析：1.用户都可以查看余票

2.但是其中一个用户发起请求购票，其他用户不能发起请求购票（锁状态）

import json
from multiprocessing import Process,Lock
import random
import time
#查看余票功能
def check_ticket(name):
    time.sleep(random.randint(1, 3))
    with open('ticket.json', mode='rt', encoding='utf-8')as f:
        dic = json.load(f)
        print('%s正在查看余票，  余票：%s 张' % (name, dic['count']))
#购票功能
def buy_ticket(name):
    with open('ticket.json', mode='rt', encoding='utf-8')as f:
        dic = json.load(f)
        if dic['count'] > 0:
            time.sleep(random.randint(1, 3))
            dic['count'] -= 1
            print('%s购票成功！ 余票：%s张' % (name, dic['count']))
            with open('ticket.json', mode='wt', encoding='utf-8')as f:
                json.dump(dic, f)
#用户购票流程
def task(name,lock):
    check_ticket(name)
    lock.acquire()
    buy_ticket(name)
    lock.release()

if __name__ == '__main__':
    lock = Lock()
    for i in range(1, 11):
        p = Process(target=task, args=('用户%s' % i, lock))
        p.start()

5.重入锁（RLock）

RLock类，可重入的锁。Lock类只能有一个acquire方法，RLock可以有多个，如果在多进程中使用Rlock，并且一个进程A执行了多次acquire，其他进程B想要获取锁，则需将所有的acquire释放可以获取。

from multiprocessing import RLock
lock = RLock()
lock.acquire()
lock.acquire()
lock.acquire()
print('haha')
lock.release()
lock.release()
lock.release()
#注意重入锁，锁几次就需要开几次

6.死锁

1.什么是死锁？

死锁是指锁无法打开，导致程序卡死。必须是多把锁才能形成死锁。正常开发时，要避免这种情况。通常一把锁可以解决大多数问题。

##以一个吃饭需要盘子l1 和筷子 l2 二者缺一不可来说明死锁
from multiprocessing import Process,Lock
import time
def task1(l1, l2, i):
    l1.acquire()
    print('盘子被%s抢走了'% i)
    time.sleep(2)
​
    l2.acquire()
    print('筷子被%s抢走了'% i)
    print('吃饭！')
    l1.release()
    l2.release()
​
def task2(l1, l2, i):
    l2.acquire()      ###task2先抢了筷子，导致task1无法完成后续动作
    print('筷子被%s抢走了' % i)
​
​
    l1.acquire()
    print('盘子被%s抢走了'% i)
    print('吃饭！')
    l1.release()
    l2.release()
​
​
if __name__ == '__main__':
    l1 = Lock()
    l2 = Lock()
    Process(target=task1, args=(l1, l2, 1)).start()   #开启两个进程
    Process(target=task2, args=(l1, l2, 2)).start()

​

#在开发中要避免这种问题。如果有使用则应该注意将task2调整锁的位置。
def task2(l1, l2, i):
    l1.acquire()
    print('盘子被%s抢走了'% i)
    l2.acquire()
    print('筷子被%s抢走了' % i)
    print('吃饭！')
    l1.release()
    l2.release()

7.ICP进程间通讯

由于进程间内存是相互独立的，所以需要对应积极的方案能够使得进程之间可以相互传递数据。

解决方案：

1.使用共享文件。多个进程同时读写同一个文件。但是IO速度慢，传输的数据大小不受限制。

2.管道。基于内存，速度块，但是是单向的，用起来麻烦。

3.队列。申请共享内存空间，多个进程可以共享这个内存区域。

#创建共享文件
​
from multiprocessing import Manager,Process,Lock
def work(d):
    # with lock:
        d['count']-=1
​
if __name__ == '__main__':
​
    with Manager() as m:
        dic=m.dict({'count':100}) #创建一个共享的字典
        p_l=[]
        for i in range(100):
            p=Process(target=work,args=(dic,))
            p_l.append(p)
            p.start()
​
        for p in p_l:
            p.join()
        print(dic)

8.队列

进程彼此之间互相隔离，要实现进程间通信（IPC），multiprocessing模块支持两种形式：队列和管道，这两种方式都是使用消息传递的。

队列也是一种数据容器，其特点：先进先出。

与堆栈相反：先进后出。  （函数的调用就是一种类似堆栈方式）

创建队列的类（底层就是以管道和锁定的方式实现）：

1.Queue([maxsize]):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

2.maxsize是队列中允许最大项数，省略则无大小限制。

主要方法

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。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。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

队列的优点是：保证数据不会错乱，即使在多进程中。因为put和get都是阻塞

from multiprocessing import Queue
​
q = Queue(3)    #创建一个队列，队列最多存三个数据
q.put('ming')   #存数据
q.put(123)
print(q.get())  #put默认会阻塞，当队列装满时程序会卡住
print(q.get())
q.put('xian')   #
q.put('daidai',False)  #put第二个参数设置为False会强行将数据放入队列
q.put('j', True, timeout=3)    #timeout等待时间
​

​

9.生产者消费者模型

1.什么是生产者消费者模型？

生产者：生产数据的一方。

消费者：处理使用数据的一方。

例如：一个爬虫程序：1.爬去数据     2.解析数据

2.怎么实现？

1.将两个不同任务分配给不同的进程。

2.提供一个进程共享的数据容器

#模型示例：
from multiprocessing import Process, Queue
import time
import random
​
​
def get_data(q):
    for num in range(1, 6):
        print('正在爬取第%s个数据' % num)
        time.sleep(random.randint(1, 2))
        print('第%s个数据爬取完成。' % num)
        q.put('第%s个数据' % num)
​
​
def parse_data(q):
    for num in range(1, 6):
        data = q.get()
        print('正在解析%s' % data)
        time.sleep(random.randint(1, 2))
        print('%s解析完成。' % data)
if __name__ == '__main__':
    q = Queue(5)  # 创建一个可以存放5个数据的队列
    #生产者模型
    producer = Process(target=get_data, args=(q,))
    producer.start()
    #消费者模型
    consumer = Process(target=parse_data, args=(q,))
    consumer.start()
###输出结果
正在爬取第1个数据
第1个数据爬取完成。
正在爬取第2个数据
正在解析第1个数据
第2个数据爬取完成。
正在爬取第3个数据
第1个数据解析完成。
正在解析第2个数据
第3个数据爬取完成。
正在爬取第4个数据
第2个数据解析完成。
正在解析第3个数据
第3个数据解析完成。
第4个数据爬取完成。
正在爬取第5个数据
正在解析第4个数据
第5个数据爬取完成。
第4个数据解析完成。
正在解析第5个数据
第5个数据解析完成。
###可以看出两个模型之间互不干扰，相互独立。