6、锁(Lock)
(1)进程锁:Lock
lock.acquire():上锁
lock.release():解锁
调用方式:from multiprocessing import Process
注意点:
同一时间只允许一个进程上一把锁(Lock锁的特点)
优点:加锁可以保证多个进程修改同负一数据时,同一时间只能由一个任务执行修改,
即串行修改,牺牲运行速度来保证数据安全
互斥锁Lock:互斥锁就是进程间互相排斥,谁先强盗资源,谁就先上锁改资源内容,保证数据的同步性
''' (1)基本使用 '''
# 创建一把锁
lock = Lock()
# 上锁
lock.acquire()
# 执行操作
# 解锁
lock.release()
# lock.acquire() 死锁阻塞.
print("执行程序 .... ")
''' (2) 模拟12306 抢票软件 '''
# 读取票数,更新票数
def wr_info(sign,dic=None):
if sign == "r":
with open("ticket",mode="r",encoding="utf-8") as fp:
dic = json.load(fp)
return dic
elif sign == "w":
with open("ticket",mode="w",encoding="utf-8") as fp:
json.dump(dic,fp)
# 抢票方法
def get_ticket(person):
# 获取数据库中实际数据
dic = wr_info("r")
# 模拟网络延迟
time.sleep(0.5)
if dic["count"] > 0:
print("%s抢到票了" % (person))
dic["count"] -= 1
# 更新数据库
wr_info("w",dic)
else:
print("%s没有抢到这张票" % (person))
def run(person,lock):
# 读取数据库中的实际票数
dic = wr_info("r")
print("%s 查询票数 : %s" % (person,dic["count"]))
# 上锁
lock.acquire()
# 抢票
get_ticket(person)
# 解锁
lock.release()
if __name__ == "__main__":
lock = Lock()
lst =["刘思敏7","云超1","张恒2","尉翼麟3","王振4","黎建忠5","刘鑫炜6","李天兆8","魏小林9","李博10"]
for i in lst:
p = Process(target=run,args=(i,lock))
p.start()
(2)信号量(Samephore)
lock.acquire():上锁
lock.release():解锁
调用方式:from multiprocessing import Samephore
注意点:
多个锁一起上,不开锁,会造成死锁,上锁和解锁是一对
优点:
Semaphore可以设置上锁数量;即同一时间允许多个进程上锁;
创建进程的时候是异步的;执行任务的时候是同步的
from multiprocessing import Semaphore,Process
import time,random
def ktv(person,sem):
sem.acquire()
# 开始唱歌
print("%s进入ktv,正在唱歌" % (person) )
time.sleep(random.randrange(3,7)) # 3 4 5 6
print("%s离开ktv,唱完了" % (person) )
sem.release()
if __name__ == "__main__":
sem = Semaphore(4)
for i in range(10):
p = Process(target=ktv,args=("person%s" % (i), sem))
p.start()
7、事件(Event)
(1)阻塞事件
e = Event():生成事件对象
e.wait():动态给程序加阻塞,程序当中是否加阻塞取决于该对象中的is_set()
is_set:默认返回False
True是不加阻塞;False就是加阻塞
(2)控制属性的值
set()方法 将这个属性的值改成True
clear()方法 将这个属性的值改成False
is_set()方法 判断当前的属性是否为True (默认上来是False)
# (1) 基本使用
e = Event()
# 将阻塞事件中的值改成True
e.set()
print(e.is_set())
e.wait()
print("程序运行中1... ")
# 将阻塞事件中的值改成False
e.clear()
e.wait()
print("程序运行中2... ")
e = Event()
# 参数: 最多等待时间是5秒,过了5秒之后阻塞放行
e.wait()
print("程序运行中3... ")
# (2) 模拟红绿灯效果
import time,random
def traffic_light(e):
print("红灯亮")
while True:
if e.is_set():
# 绿灯状态,亮1秒钟
time.sleep(1)
print("红灯亮")
# 把True => False
e.clear()
else:
# 红灯状态,亮1秒钟
time.sleep(1)
print("绿灯亮")
# 把False => True
e.set()
# e = Event()
# traffic_light(e)
def car(e,i):
if not e.is_set():
# 走到这个分支里面来,一定是红灯状态,车要停
print("car%s 在等待" % (i))
# 加阻塞
e.wait()
print("car%s 通行了" % (i))
"""
if __name__ == "__main__":
e = Event()
p1 = Process(target=traffic_light,args=(e,))
p1.start()
# 开始创建小车
for i in range(1,21):
time.sleep(random.randrange(0,2)) # 0 1
p2 = Process(target=car,args=(e,i))
p2.start()
"""
# (3) 改造红绿灯 (在跑完小车之后,把红绿灯给我炸了)
if __name__ == "__main__":
lst = []
e = Event()
p1 = Process(target=traffic_light,args=(e,))
# 把红绿灯变成守护进程
p1.daemon = True
p1.start()
# 开始创建小车
for i in range(1,21):
time.sleep(random.randrange(0,2)) # 0 1
p2 = Process(target=car,args=(e,i))
p2.start()
lst.append(p2)
# 让所有的小车都通过之后,在终止交通灯;
for i in lst:
i.join()
print("程序结束 ... ")
8、进程间通信(IPC)
IPC:IPC Inter-Process Communication
(1)实现进程之间通信的两种机制:
管道 Pipe
队列 Queue
(2)队列使用方式:from multiprocessing import Queue
put():存放
get():获取
get_nowait():拿不到报异常
注:存在兼容性问题(windows好用 linux不好用 不推荐使用)
put_nowait():非阻塞版本的put
q.empty() 检测是否为空
q.full() 检测是否已经存满
''' (1) 基本使用 '''
q = Queue()
# 1.put 往队列中存值
q.put(111)
q.put(222)
q.put(333)
# 2.get 从队列中取值
res = q.get()
print(res)
res = q.get()
print(res)
res = q.get()
print(res)
# 3.队列里面没数据了,在调用get会发生阻塞
res = q.get()
print(res)
''' (2) 可以限定Queue队列的长度 '''
q1 = Queue(3)
q1.put(1)
q1.put(2)
q1.put(3)
# 超出了队列的长度,会发生阻塞
# q1.put(4)
# 如果列表满了,还往里面添加数据会直接报错.
q1.put_nowait(4)
''' (3)进程之间通过队列交换数据 '''
def func(q2):
# 2.子进程取数据
res = q2.get()
print(res)
# 3.子进程存数据
q2.put("123")
if __name__ == "__main__":
q2 = Queue()
p = Process(target=func,args=(q2,))
p.start()
# 1.主进程添加数据
q2.put("456")
# 为了等待子进程把数据塞到队列中,在获取,要加一个join
p.join()
# 2.主进程获取数据
res = q2.get()
print("主程序执行结束:值为{}".format(res))
9、生产者与消费者
生产者 -----> 内存缓冲区 -----> 消费者
爬虫例子:
1号进程负责抓取页面中的内容放到队列里
2号进程负责把内容取出来,配合正则表达式,扣取关键字
1号进程可以理解成生产者
2号进程可以理解成消费者
相对理想的生产者和消费者模型:
追求彼此的速度相对均匀
从程序上来说:
生产者负责存储数据(put)
消费者负责获取数据(get)
(1)Queue
# (1)基本模型
from multiprocessing import Process,Queue
import random,time
# 消费者模型
def consumer(q,name):
while True:
food = q.get()
time.sleep(random.uniform(0.1,1))
print("%s 吃了一个%s" % (name,food))
# 生产者模型
def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.1,1))
print("%s 生产了 %s%s" % (name,food,i))
q.put(food+str(i))
if __name__ == "__main__":
q = Queue()
# 消费者1
p1 = Process(target=consumer,args=(q,"张恒"))
p1.start()
# 生产者1
p2 = Process(target=producer,args=(q,"尉翼麟","黄金"))
p2.start()
# (2)优化模型
# 消费者模型
def consumer(q,name):
while True:
food = q.get()
if food is None:
break
time.sleep(random.uniform(0.1,1))
print("%s 吃了一个%s" % (name,food))
# 生产者模型
def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.1,1))
print("%s 生产了 %s%s" % (name,food,i))
q.put(food+str(i))
if __name__ == "__main__":
q = Queue()
# 消费者1
p1 = Process(target=consumer,args=(q,"张恒"))
p1.start()
# 消费者2
a2 = Process(target=consumer,args=(q,"云超"))
a2.start()
# 生产者1
p2 = Process(target=producer,args=(q,"尉翼麟","黄金"))
p2.start()
# 生产者2
b2 = Process(target=producer,args=(q,"刘思敏","钻石"))
b2.start()
# 在生产完所有的数据之后,在队列的末尾塞入一个None
p2.join()
b2.join()
# 消费者模型如果获取的是None,代表停止消费
q.put(None)
q.put(None)
(2)JoinableQueue
put 存储
get 获取
task_done 队列计数减1
join 阻塞
使用方式:from multiprocessing import JoinableQueue
task_done 配合 join 一起使用
put 一次 每存放一个值,队列计数器加1
get 一次 通过task_done让队列计数器减1
join 函数,会根据队列中的计数器来判定是阻塞还是放行
如果计数器变量是0,意味着放行,其他情况阻塞;
# (1) 基本使用
jq = JoinableQueue()
# put 会让队列计数器+1
jq.put("a")
print(jq.get())
# 通过task_done,让队列计数器-1
jq.task_done()
# 只有队列计数器是0的时,才会放行
jq.join() # 队列.join
print("finish")
# (2) 改造生产者消费者模型
import random,time
# 消费者模型
def consumer(q,name):
while True:
food = q.get()
time.sleep(random.uniform(0.1,1))
print("%s 吃了一个%s" % (name,food))
q.task_done()
# 生产者模型
def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.1,1))
print("%s 生产了 %s%s" % (name,food,i))
q.put(food+str(i))
if __name__ == "__main__":
q = JoinableQueue()
# 消费者1
p1 = Process(target=consumer,args=(q,"张恒"))
p1.daemon = True
p1.start()
# 生产者1
p2 = Process(target=producer,args=(q,"尉翼麟","黄金"))
p2.start()
# 把生产者所有的数据都装载到队列中
p2.join()
# 当队列计数器减到0的时候,会立刻放行
# 必须等待消费者模型中所有的数据都task_done之后,变成0了就代表消费结束.
q.join()
print("程序结束....")