网站 建设阶段,林州网站建设服务,新乡集团网站建设,刚做的网站关键词就上来了一、进程间通信---队列和管道#xff08;multiprocess.Queue、multiprocess.Pipe#xff09;
进程间通信#xff1a;IPC#xff08;inter-Process Communication#xff09;
1、队列
概念介绍#xff1a;
创建共享的进程队列#xff0c;Queue是多进程的安全的队列#…一、进程间通信---队列和管道multiprocess.Queue、multiprocess.Pipe
进程间通信IPCinter-Process Communication
1、队列
概念介绍
创建共享的进程队列Queue是多进程的安全的队列可以使用Queue实现多进程之间的数据传递。
#Queue([maxsize])
创建共享的进程队列。
参数 maxsize是队列中允许的最大项数。如果省略此参数则无大小限制。
底层队列使用管道和锁定实现。#Queue([maxsize])
创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数则无大小限制。底层队列使用管道和锁定实现。另外还需要运行支持线程以便队列中的数据传输到底层管道中。
Queue的实例q具有以下方法
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( )
同q.get(False)方法。
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。
q.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。。
方法介绍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。
其他方法(了解)
代码实现
multiprocessing模块支持进程间通信的两种主要形式:管道和队列
都是基于消息传递实现的,但是队列接口
from multiprocessing importQueue
q Queue(3) #只能往这个队列放3个值
#put ,get ,put_nowait,get_nowait,full,empty
q.put(3)
q.put(3)
q.put(3)#q.put(3) # 如果队列已经满了程序就会停在这里等待数据被别人取走再将数据放入队列。
#如果队列中的数据一直不被取走程序就会永远停在这里。
try:
q.put_nowait(3) #可以使用put_nowait如果队列满了不会阻塞但是会因为队列满了而报错。
except: #因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去但是会丢掉这个消息。
print(队列已经满了)#因此我们再放入数据之前可以先看一下队列的状态如果已经满了就不继续put了。
print(q.full()) #判断是否满了
print(q.get())print(q.get())print(q.get())#print(q.get()) # 同put方法一样如果队列已经空了那么继续取就会出现阻塞。
try:
q.get_nowait(3) #可以使用get_nowait如果队列满了不会阻塞但是会因为没取到值而报错。
except: #因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。
print(队列已经空了)print(q.empty()) #判断是否空了
from multiprocessing importProcess, Queuedefconsume(q):print(son--, q.get()) #取走队列一条数据
q.put(abc) #给队列增加一条数据
if __name__ __main__:
qQueue()
p Process(targetconsume, args(q,))
p.start()
q.put({haha: 123}) #给队列增加一条数据
p.join() #等待子进程执行完毕
print(Foo--, q.get()) #取走队列一条数据#son-- {haha: 123}#Foo-- abc
2、生产者消费者模型
在并发编程中使用生产者和消费者模式能够解决绝大多数并发问题。该模式通过平衡生产线程和消费线程的工作能力来提高程序的整体处理数据的速度。
为什么要使用生产者和消费者模式
在线程世界里生产者就是生产数据的线程消费者就是消费数据的线程。在多线程开发当中如果生产者处理速度很快而消费者处理速度很慢那么生产者就必须等待消费者处理完才能继续生产数据。同样的道理如果消费者的处理能力大于生产者那么消费者就必须等待生产者。为了解决这个问题于是引入了生产者和消费者模式。
什么是生产者消费者模式
生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯而通过阻塞队列来进行通讯所以生产者生产完数据之后不用等待消费者处理直接扔给阻塞队列消费者不找生产者要数据而是直接从阻塞队列里取阻塞队列就相当于一个缓冲区平衡了生产者和消费者的处理能力。
importtimeimportrandomfrom multiprocessing importProcess, Queuedefconsumer(q, name):#处理数据
while 1:
foodq.get()if food is None: break #如果不结束的话程序就会一直不结束
time.sleep(random.uniform(0.5, 1))print(%s吃了一个%s %(name, food))defproducer(q, name, food):#获取数据
for i in range(10):
time.sleep(random.uniform(0.3, 0.8))print(%s生产了%s%s % (name, food, i 1))
q.put(foodstr(i))if __name__ __main__:
qQueue()
Process(targetconsumer, args(q, alex)).start()
Process(targetconsumer, args(q, wusir)).start()
p1 Process(targetproducer, args(q, yang, 包子))
p2 Process(targetproducer, args(q, sihao, 馒头))
p1.start()
p2.start()
p1.join()
p2.join()
q.put(None)#有几个consumer就需要放几个None
q.put(None) #结束信号
3、JoinableQueue[maxsize]
创建可连接的共享进程队列。这就像是一个Queue对象但队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。JoinableQueue的实例p除了与Queue对象相同的方法之外还具有以下方法
q.task_done()
使用者使用此方法发出信号表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量将引发ValueError异常。
q.join()
生产者将使用此方法进行阻塞直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。
下面的例子说明如何建立永远运行的进程使用和处理队列上的项目。生产者将项目放入队列并等待它们被处理。
方法介绍
importtimeimportrandomfrom multiprocessing importProcess, JoinableQueuedefconsumer(q, name):#处理数据
while 1:
foodq.get()
time.sleep(random.uniform(0.5, 1))print(%s吃了一个%s %(name, food))
q.task_done()#通知队列已经有一个数据被处理了
defproducer(q, name, food):#获取数据
for i in range(10):
time.sleep(random.uniform(0.3, 0.8))print(%s生产了%s%s % (name, food, i1))
q.put(foodstr(i))if __name__ __main__:
qJoinableQueue()
c1 Process(targetconsumer, args(q, alex))
c2 Process(targetconsumer, args(q, wusir))
c1.daemon True #设置守护进程
c2.daemon True #设置守护进程
c1.start()
c2.start()
p1 Process(targetproducer, args(q, yang, 包子))
p2 Process(targetproducer, args(q, sihao, 馒头))
p1.start()
p2.start()
p1.join()#生产者要先把所有的数据都放到队列中
p2.join() #生产者要先把所有的数据都放到队列中
q.join() #阻塞直到放入队列中所有的数据都被处理掉(有多少个数据就接收到了多少task_done)
4、管道
队列是基于管道实现的管道是基于 socket 实现的
队列 锁 简便的IPC机制使得进程之间数据安全
管道 进程之间数据不安全且存取数据复杂
socket pickle#创建管道的类
Pipe([duplex]):在进程之间创建一条管道并返回元组conn1,conn2,其中conn1conn2表示管道两端的连接对象强调一点必须在产生Process对象之前产生管道#参数介绍
dumplex:默认管道是全双工的如果将duplex射成Falseconn1只能用于接收conn2只能用于发送。#主要方法
conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收recv方法会一直阻塞。如果连接的另外一端已经关闭那么recv方法会抛出EOFError。
conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象#其他方法
conn1.close():关闭连接。如果conn1被垃圾回收将自动调用此方法
conn1.fileno():返回连接使用的整数文件描述符
conn1.poll([timeout]):如果连接上的数据可用返回True。timeout指定等待的最长时限。如果省略此参数方法将立即返回结果。如果将timeout射成None操作将无限期地等待数据到达。
conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息超过了这个最大值将引发IOError异常并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭再也不存在任何数据将引发EOFError异常。
conn.send_bytes(buffer [, offset [, size]])通过连接发送字节数据缓冲区buffer是支持缓冲区接口的任意对象offset是缓冲区中的字节偏移量而size是要发送字节数。结果数据以单条消息的形式发出然后调用c.recv_bytes()函数进行接收
conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息并把它保存在buffer对象中该对象支持可写入的缓冲区接口即bytearray对象或类似的对象。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间将引发BufferTooShort异常。
介绍
importtimefrom multiprocessing importPipe, Processdefconsumer(left, right):
time.sleep(1)print(right.recv())if __name__ __main__:
left, rightPipe()
Process(targetconsumer, args(left, right)).start()
left.send(1234)
应该特别注意管道端点的正确管理问题。如果是生产者或消费者中都没有使用管道的某个端点就应将它关闭。这也说明了为何在生产者中关闭了管道的输出端在消费者中关闭管道的输入端。如果忘记执行这些步骤程序可能在消费者中的recv操作上挂起。管道是由操作系统进行引用计数的必须在所有进程中关闭管道后才能生成EOFError异常。因此在生产者中关闭管道不会有任何效果除非消费者也关闭了相同的管道端点。
from multiprocessing importProcess, Pipedefconsumer(left, right):
left.close()#不写close将不会引发EOFError
while 1:try:print(right.recv())exceptEOFError:break
if __name__ __main__:
left, rightPipe()
Process(targetconsumer, args(left, right)).start()
right.close()for i in range(10):
left.send(包子%s %i)
left.close()#pipe的端口管理不会随着某一个进程的关闭就关闭#操作系统来管理进程对这些端口的使用#left,right#left,right#操作系统管理4个端口 每关闭一个端口计数-1直到所有的端口都关闭了#剩余1个端口的时候 recv就会报错
二、进程之间的数据共享
展望未来基于消息传递的并发编程是大势所趋
即便是使用线程推荐做法也是将程序设计为大量独立的线程集合通过消息队列交换数据。
这样极大地减少了对使用锁定和其他同步手段的需求还可以扩展到分布式系统中。
但进程间应该尽量避免通信即便需要通信也应该选择进程安全的工具来避免加锁带来的问题。
以后我们会尝试使用数据库来解决现在进程之间的数据共享问题。进程间数据是独立的可以借助于队列或管道实现通信二者都是基于消息传递的
虽然进程间数据独立但可以通过Manager实现数据共享事实上Manager的功能远不止于此
A manager object returned by Manager() controls a server process which holds Python objectsandallows other processes to manipulate them using proxies.
A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Valueand Array.
Manager模块介绍
from multiprocessing importManager, Process, Lockdefwork(d, lock):
with lock:#不加锁而操作共享的数据肯定会出现数据错乱
d[count] - 1
if __name__ __main__:
lockLock()
with Manager() as m:
dic m.dict({count: 100})
p_l[]for i in range(100):
p Process(targetwork, args(dic, lock))
p_l.append(p)
p.start()for p inp_l:
p.join()print(dic)
三、数据池和multiprocess.Pool模块
进程池
为什么要有进程池?进程池的概念。
在程序实际处理问题过程中忙时会有成千上万的任务需要被执行闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候我们就需要去创建成千上万个进程么首先创建进程需要消耗时间销毁进程也需要消耗时间。第二即便开启了成千上万的进程操作系统也不能让他们同时执行这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢
在这里要给大家介绍一个进程池的概念定义一个池子在里面放上固定数量的进程有需求来了就拿一个池中的进程来处理任务等到处理完毕进程并不关闭而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行池中的进程数量不够任务就要等待之前的进程执行任务完毕归来拿到空闲进程才能继续执行。也就是说池中进程的数量是固定的那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度还节省了开闭进程的时间也一定程度上能够实现并发效果。
multiprocess.Pool 模块
概念介绍
Pool([numprocess [,initializer [, initargs]]]):创建进程池#参数介绍
1numprocess:要创建的进程数如果省略将默认使用cpu_count()的值2initializer是每个工作进程启动时要执行的可调用对象默认为None3initargs是要传给initializer的参数组#主要方法
1 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。2 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()
3 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。4 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。
5p.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6P.jion():等待所有工作进程退出。此方法只能在close或teminate()之后调用#其他方法了解
1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2obj.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。3obj.ready():如果调用完成返回True4obj.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5obj.wait([timeout]):等待结果变为可用。6 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
代码实例
同步
#进程池的 同步调用 apply
importosimporttimefrom multiprocessing importPooldeftask(num):
time.sleep(1)print(%s : %s %(num, os.getpid()))return num**2
if __name__ __main__:
pPool()for i in range(20):
res p.apply(task, args(i,)) #提交任务的方法同步提交
print(--, res)
异步
#进程池的 异步调用 apply_async
importosimporttimefrom multiprocessing importPool#没有取返回值
deftask(num):
time.sleep(1)print(%s : %s %(num, os.getpid()))return num**2
if __name__ __main__:
pPool()for i in range(20):
p.apply_async(task, args(i,)) #提交任务的方法异步提交
p.close()
p.join()#通过队列取返回值
deftask(num):
time.sleep(1)print(%s : %s %(num, os.getpid()))return num**2
if __name__ __main__:
pPool()
res_lst[]for i in range(20):
res p.apply_async(task, args(i,)) #提交任务的方法异步提交
res_lst.append(res)for res inres_lst:print(res.get())
map() 方法
importosimporttimefrom multiprocessing importPooldeftask(num):
time.sleep(1)print(%s : %s %(num, os.getpid()))return num**2
if __name__ __main__:
pPool()
p.map(task, range(20))
