python语法基础-并发编程-进程-长期维护，,##########

python语法基础-并发编程-进程-长期维护，,##########

############### 进程的启动方式1 ##############

"""并发编程：进程1，运行中的程序，就是进程，程序是没有生命的实体，运行起来了就有生命了，操作系统可以管理进程，进程是操作系统基本的执行单元，2，每一个进程都有它自己的地址空间，进程之间是不会混的，比如qq不能访问微信的地址空间，操作系统替你隔离开了，这也是操作系统引入进程这个概念的原因，#######################################进程的调度1，先来先服务，有一个不好的，就是不利于短作业2，短作业优先算法，但其对长作业不利；不能保证紧迫性作业（进程）被及时处理；作业的长短只是被估算出来的。3，时间片轮转算法，就是轮流执行，已经很科学了，4，多级反馈队列算法，有多个队列，有一个新任务来了放入第一个队列，这是优先级加上时间片轮转，第二个任务来了放入下一级，#######################################并发和并行：进程的并行：这种只有在多核cpu才可以实现，进程的并发：这是轮流执行，由于速度很快，看起来像是一起执行的，比如一遍听音乐，一遍写代码，######################################进程的三状态转换图：非常重要1，进程一开始运行的时候，是就绪的状态，这是第一个状态，就是告诉cpu，我已经准备好可以运行了，进入排队了，2，时间片轮转，轮到你了之后，你就运行了，这是第二个状态，3，发生阻塞，这是第三个状态，比如你的程序让你输入内容，input方法， 这时候是阻塞的，你输入完毕了之后，就又畅通了，这是等待I/O完成，input，sleep，文件的输入和输出，事件处理之后，你还要进入就绪状态了，全部处理完了，就结束了，###########################################同步和异步1，同步，需要等待，需要排队，你什么也不能干，2，异步，不需要等待，你可以去做其他事情，###########################################阻塞和非阻塞1，阻塞，就是input，sleep这些，需要等待，这是阻塞，2，非阻塞，就是跳过这些阻塞，但是程序中不可避免的需要阻塞，因为需要等待内容处理，###########################################同步异步和阻塞非阻塞：同步阻塞，就是同步非阻塞异步阻塞异步非阻塞，效率更高，###############################################多进程有一个内置的模块：from multiprocessing import Process要学习几个地方：1，进程的注册2，进程的开启3，进程的异步，4，进程的同步，join，5，进程注册函数的参数，6，启动多个子进程，"""import timefrom multiprocessing import Processimport osdef f(args1,args2):    print("*"*args1)    time.sleep(1)    print("*"*args2)    # print("子进程号",os.getpid())    # print("子进程的父进程号",os.getppid())    # print(‘我是子进程‘)if __name__ == ‘__main__‘:    # p = Process(target=f, args=(‘bob‘,))    # p = Process(target=f, args=(‘bob‘,"123"))  # 注册，p是一个进程，还没有启动，这是主进程，    # args=(‘bob‘,)，如果注册的函数是有参数的，就要传递参数，如果有一个参数括号内要有一个逗号，因为这是一个元组，    # p.start()  # 启动进程，这是启动了一个子进程，    # 现在子进程和主进程之间是异步的，如果我想在子进程结束之后再执行下面的代码，变成同步，怎么办？    # p.join()  # 这个join就是在感知一个子进程的一个结束，将异步改成同步，    # time.sleep(1)    # print("父进程号",os.getpid())    # print("父进程的父进程号",os.getppid())  # 这个就是pycharm的进程号，    # print(‘执行主进程的内容了‘)  # 这一句的执行和子进程的执行内容是异步的,不是同步的,    # 开启10个子进程    p_list=[]    for i in range(10):        p = Process(target=f, args=(10*i, 20*i))        p_list.append(p)        p.start()        # print("第%d轮"%(i+1))    # p.join()    [p.join() for p in p_list ]  # 保证前面的10个进程全部结束了，才会执行下面的代码，    print("运行完了")    # 这种开启了多进程，可以读多个进程去存文件，取文件内容，# 进程的生命周期，# 主进程没有开启子进程，就是执行完他的代码就结束了了# 子进程也是执行完自己的代码就结束了，# 开启了子进程的主进程，主进程执行完了，要等待子进程结束之后，主进程才可以结束，

############### 进程的启动方式2 和 进程之间是数据隔离的 ##############

# 进程的启动方式2# 第一点，创建一个类，继承process# 第二点，类中必须实现run方法，这个run方法里面就是子进程要执行的内容，import osfrom multiprocessing import Processclass MyProcess(Process):  # 继承导入的process，    def __init__(self,name):  # 为了进程能传递参数，        super().__init__()  # 这是继承了父类所有的参数，        self.name=name    def run(self):        # print(os.getpid())        print("子进程号",self.pid)        print("参数",self.name)  # print(os.getpid()) 这两句是一样的，if __name__ == ‘__main__‘:    # p1=MyProcess()  # 这是不传参数的    p1=MyProcess("name1")  # 这是传参数的，这就是面向对象的实例化，    p2=MyProcess(‘name2‘)    p3=MyProcess(‘name3‘)    p1.start() #start会自动调用run    p2.start()    # p2.run()    p3.start()    # 三个进程之间是异步的，    p1.join()    p2.join()    p3.join()    # 三个进程都结束了才会执行下面的内容，这是把异步，变成异步，    print(‘主线程‘)# 进程之间的数据隔离问题# 进程和进程之间的数据是否是隔离的，比如qq和微信，之间的数据是隔离的，# 几个进程之间，如果不通过特殊的手段，是不可能共享一个数据的，这个记住，没有什么可理解的，# 下面是一个例子，证明主进程和子进程之间是没有from multiprocessing import Processdef work():    global n  # 声明了一个全局变量，    n=0    print(‘子进程内: ‘,n)if __name__ == ‘__main__‘:    n = 100    p=Process(target=work)    p.start()    print(‘主进程内: ‘,n)

############### 守护进程 ##############

# 守护进程# 子进程----守护进程# 第一版：主进程结束了，子进程还没有结束，# import time# from multiprocessing import Process## def func():#     while True:#         time.sleep(1)#         print("我还活着")### if __name__ == ‘__main__‘:#     p=Process(target=func)#     p.start()#     i = 0#     while i<10:#         time.sleep(1)#         i+=1#     print("主进程结束")# 守护进程，就是主进程代码结束了而结束，记住不是主进程彻底结束，而是代码结束，import timefrom multiprocessing import Processdef func():    while True:        time.sleep(1)        print("我还活着")if __name__ == ‘__main__‘:    p=Process(target=func)    p.daemon=True  # 设置子进程为守护进程，    p.start()    p2=Process(target=func)  # 这个子进程没有设置为守护进程所以这个进程还在进行中，    p2.start()    # time.sleep(3)    # p2.is_alive()  # 判断一个进程是否活着    # p2.terminate()  # 结束一个进程，    i = 0    while i<5:        time.sleep(1)        i+=1    print("主进程代码结束")

############### 进程锁 ##############

# 进程锁# 买票就是一个并发的过程,# 文件db的内容为：{"ticket":1}# 注意一定要用双引号，不然json无法识别# 并发运行，效率高，但竞争写同一文件，数据写入错乱# 买票不加锁，可能会有多个人买到票了。但是票只有一张，# from multiprocessing import Process,Lock# import time,json,random## # 查询余票的函数# def show(i):#     with open("db") as f :#         dic=json.load(f)#     print(‘余票%s‘%dic[‘ticket‘])## # 买票的函数# def bug_ticket(i):#     with open("db") as f :#         dic=json.load(f)#         time.sleep(0.1)  # 模拟读数据的网络延迟#     if dic[‘ticket‘] >0:#         dic[‘ticket‘]-=1#         print(‘\033[32m%s购票成功\033[0m‘%i)#     else:#         print(‘\033[31m%s没买到票\033[0m‘%i)#     time.sleep(0.1)#     with open("db","w") as f:#         json.dump(dic,f)### if __name__ == ‘__main__‘:#     for i in range(10):  # 模拟并发10个客户端查询票#         p=Process(target=show,args=(i,))#         p.start()#     for i in range(10):#         p = Process(target=bug_ticket, args=(i,))#         p.start()# 加锁from multiprocessing import Process,Lockimport time,json,random# 查询余票的函数def show(i):    with open("db") as f :        dic=json.load(f)    print(‘余票%s‘%dic[‘ticket‘])# 买票的函数def bug_ticket(i,lock):    lock.acquire()  # 这就是拿钥匙进门，有一个进程拿了钥匙，之后第二个进程进来就没有钥匙了，就会阻塞，    with open("db") as f :        dic=json.load(f)        time.sleep(0.1)  # 模拟读数据的网络延迟    if dic[‘ticket‘] >0:        dic[‘ticket‘]-=1        print(‘\033[32m%s购票成功\033[0m‘%i)    else:        print(‘\033[31m%s没买到票\033[0m‘%i)    time.sleep(0.1)    with open("db","w") as f:        json.dump(dic,f)    lock.release()  # 这是还钥匙，还了之后，别的进程就可以拿到了，就可以执行了，if __name__ == ‘__main__‘:    for i in range(10):  # 模拟并发10个客户端查询票        p=Process(target=show,args=(i,))        p.start()    lock=Lock()        for i in range(10):        p = Process(target=bug_ticket, args=(i,lock))        p.start()

############### 多进程的信号量 ##############

# 多进程的信号量from multiprocessing import Processimport time,randomfrom multiprocessing import Semaphore# ktv只有1个房间，1个房间只能装4个人，但是这样写就是20个人都进入到房间了，# 假设ket门口有4把钥匙，一个进程来了那一把钥匙，然后关门，这样只有4个进程能拿到，剩下的之后1个进程出来了才可以继续其他的进程，# 这个概念就叫做信号量，同一时间就只有四个人，def ktv(i,sem):    sem.acquire()  # 获取钥匙    print("%d进入ktv"%i)    time.sleep(random.randint(60,180))  # 这是每一个人唱歌1-3分钟    print("%d走出ktv"%i)    sem.release()  # 还钥匙if __name__ == "__main__":    sem = Semaphore(4)  # 这就是设置有多少把钥匙，  信号量的英文就是：Semaphore    for i in range(20):        p=Process(target=ktv,args=(i,sem))        p.start()

############### 进程的事件 ##############

# 进程的事件# 事件import timefrom multiprocessing import Event, Process# 一个信号，可以使所有的进程都进入阻塞状态，也可以控制所有信号都解除阻塞，# 一个事件创建之后，默认是阻塞状态，# e = Event()  # 创建一个事件# print(e.is_set())  # 查看一个事件是否是阻塞状态，# print(123445)# e.set()  # 这是把阻塞的状态改为true，# print(e.is_set())# e.wait()  # 根据e.is_set()的结果，如果是false，就会阻塞，如果是true就会不阻塞# print(12344)# e.clear()  # 这是把阻塞的状态改为false# print(e.is_set())# e.wait()  # 虽然阻塞了，但是一定要有这个wait，才会阻塞后面的代码，# print(444444)# 举一个例子，红绿灯# 每一个进程表示一辆车，def car(e,i):    #e.is_set() 默认返回False 代表的是绿灯    if not e.is_set():        print("car%s在等待"%i)        e.wait()    print("car%s通行了"%i)def light(e):    while True:        if e.is_set():            e.clear()            print(‘\033[31m红灯亮了\033[0m‘)        else:            e.set()            print(‘\033[32m绿灯亮了\033[0m‘)        time.sleep(2)if __name__ == ‘__main__‘:    e=Event()    # 模拟启动交通灯    p1=Process(target=light,args=(e,))    p1.daemon=True    p1.start()    #模拟20辆小车    for i in range(20):        import random        time.sleep(random.uniform(0,2))        p2=Process(target=car,args=(e,i))        p2.start()    print("程序彻底结束！")

############### 进程间的通信---队列 ##############

# 进程间的通信，# 队列和通道，# 队列# 之前学过一个模块是queue，现在进程间的通信不能使用这个# import queue# 基本的队列的方法：# from multiprocessing import Queue# q =Queue(5)  # 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，容量是5# q.put(1)  # 添加值，# q.put(2)# q.put(3)# q.put(4)# q.put(5)# q.put(6)  # 队列满了，就不能放了，这个就会阻塞，# print(q.full())  # 这个队列是否满了，如果q已满，返回为True# print(q.get())  # 返回q中的一个项目。如果q为空，此方法将阻塞# print(q.get())  # 获取值，# print(q.get())  # 获取值，# print(q.get())  # 获取值，# print(q.get())  # 获取值，# print(q.get())  # 获取值，没有值了，第六次的时候就会阻塞，## print(q.empty())  # 如果调用此方法时 q为空，返回True## while True:#     try:#         q.get_nowait()  # 如果有值就等#     except:#         print("队列已经空了")#         import time#         time.sleep(1)# # 队列之间的通信# from multiprocessing import Queue,Process## # 生产数据的函数# def produce(q):#     q.put("hello")## def consume(q):#     print(q.get())## if __name__ == ‘__main__‘:#     q = Queue()#     p = Process(target=produce,args=(q,))#     p.start()#     c = Process(target=consume,args=(q,))#     c.start()##     # 这就是两个子进程之间的通信，通过的队列，## 队列的生产者和消费者模型# 买包子的例子# 有蒸包子的人，这就是生产者，有买包子的人，这就是消费者，# 实际中，可能会有数据供需不平衡的问题，# 就是数据生产的多了没有消费，所以我们要增加消费者，或者减少生产# 数据消费的多了，我们要增加生产者，来解决这个问题，# 我们把生产者作为一个进程，把消费者作为一个进程from multiprocessing import Process,Queue,JoinableQueueimport time, randomdef producer(name,food,q):  # 三个参数，就是谁生产，生产了什么，放到哪里    for i in range(10):        time.sleep(random.randint(1,3))  # 1-3秒生产1个，        f = "%s生产了%s%s"%(name,food,i)        print(f)        q.put(f)    q.join()  # 阻塞， 这是感知一个队列中的数据全部都处理完毕，    # 这种相当于把生产的生命周期拉长了，就是说你是生产完了还没有结束，你还要等待消费者把你生产的所有的东西都消费了，才能结束，def consumer(q,name):    while True:        food =q.get()        if food is None:  # 问题：有多个消费者的时候，只有一个消费者拿到这个值，然后结束了，但是拿不到的消费者，就还没有结束，            print("获取到一个空")            break        print("%s消费了%s"%(name,food))        time.sleep(random.randint(1,3))  # 1-3秒消费1个，        q.task_done()  # 队列的计数器 -1if __name__ == ‘__main__‘:    # q = Queue()    q = JoinableQueue()    p1 = Process(target=producer,args=("andy","包子",q))    p1.start()    p2 = Process(target=producer,args=("Lucy","油条",q))    p2.start()    c1 = Process(target=consumer,args=(q,"xiaoxiao"))    c1.daemon =True    # 意味着，主进程的代码执行结束之后，子进程就结束了，    # 而主进程又是依赖两个生产者结束才结束的，    # 而我在生产者的地方加了一个阻塞，直到消费者全都消费了之后才结束，    # 所以这个设计是非常的巧妙的，    c1.start()    # 只有一个消费者，两个生产者， 所以会有供给过大，需要加一个消费者，    c2 = Process(target=consumer,args=(q,"meimei"))    c2.daemon =True    c2.start()    # 因为只会生产10个，所以怎么能够，没有生产了，但是消费的地方还在get，怎么办？    p1.join()    p2.join()    # q.put(None)    # q.put(None)    # 为什么是两个none？    # 问题：有多个消费者的时候，只有一个消费者拿到这个值，然后结束了，但是拿不到的消费者，就还没有结束，    # 这种写法太麻烦了，如果有1000个还得了，怎么办？使用新的一个模块：JoinableQueue    # 做了三件事;    # 1，把c1，c2，改成守护进程    # 2，把生产者加一个q.join()，直到消费者全部消费结束    # 3，加了一个        q.task_done()  # 队列的计数器 -1

############### 进程间通信--管道（了解） ##############

# 进程间通信# 管道(管道只做了解)from multiprocessing import Pipe,Process# conn1,conn2 = Pipe()  # pipe是一个函数，有两个返回值，这个地方我们是使用两个参数来接收这两个返回值，# conn1.send("123")# print(conn2.recv())# 这就是管道，这是一个双向通信的，# 你调用这个，就会给你一个左边，一个右边，你从左边传入，就可以从右边传出，# 你从右边传入，就可以从左边传出，# 怎么使用管道是的在进程间通信？# 也可以使用生产者和消费者模型import time,randomdef producter(con,pro,name,food):    con.close()    for i in range(4):        time.sleep(random.random())        f = "%s生产了%s%s" % (name, food, i)        print(f)        pro.send(f)def consumer(con,pro,name):    pro.close()    while True:        try:            food = con.recv()            print("%s消费了%s" % (name, food))            time.sleep(random.random())        except EOFError:            con.close()            breakif __name__ == ‘__main__‘:    con, pro = Pipe()    p= Process(target=producter,args=(con, pro,"andy","包子"))    p.start()    c1= Process(target=consumer,args=(con, pro,"li"))    c1.start()    c2= Process(target=consumer,args=(con, pro,"wang"))    c2.start()    con.close()    pro.close()# pipe有一个数据不安全性，一个放一个取没有问题，# 但两个消费者的时候会有问题，会出现两个消费者抢资源的问题，# 怎么解决这个问题？通过加锁# 所以我们还是使用队列，队列就是基于管道加锁的，管道就是基于socket的，# 使用队列就不会有数据不安全的问题了，# 自己加锁需要考虑很多问题，所以我们还是使用队列，管道作为了解，# 我们工作中顶多就会用到队列，

############### 进程之间的数据共享 ##############

# 进程之间的数据共享# 通过Manager模块from multiprocessing import Manager,Process,Lock# 单个进程：# def work(dic):#     dic[‘count‘]-=1#     print(dic)## if __name__ == ‘__main__‘:#     m = Manager()#     dic=m.dict({‘count‘:100})#     p_list=[]#     p = Process(target=work, args=(dic,))#     p_list.append(p)#     p.start()#     p.join()#     print("主进程",dic)  # 主进程 {‘count‘: 99},这就是子进程的改变，影响到了主进程# 多个进程，出现的问题：# def work(dic):#     dic[‘count‘]-=1#     # 这个就是涉及到多个进程修改一个内容的情况，这种是不安全的，怎么办？加锁#     # 按理说是50，可能会结果不是50## if __name__ == ‘__main__‘:#     m = Manager()#     dic=m.dict({‘count‘:100})#     p_list=[]#     for i in range(50):  # 创建多个进程#         p = Process(target=work, args=(dic,))#         p_list.append(p)#         p.start()#     for i in p_list:#         p.join()#     print("主进程",dic)  # 主进程 {‘count‘: 99},这就是子进程的改变，影响到了主进程# 多个进程加锁：def work(dic,lock):    lock.acquire()    dic[‘count‘]-=1    # 这个就是涉及到多个进程修改一个内容的情况，这种是不安全的，怎么办？加锁    lock.release()if __name__ == ‘__main__‘:    m = Manager()    lock = Lock()    dic=m.dict({‘count‘:100})    p_list=[]    for i in range(50):  # 创建多个进程        p = Process(target=work, args=(dic,lock))        p_list.append(p)        p.start()    for i in p_list:        p.join()    print("主进程",dic)  # 主进程 {‘count‘: 99},这就是子进程的改变，影响到了主进程# 这个数据共享，工作中也不会用到，# 队列还有很多，kafak,rebbitmq,memcache

############### 进程池 ##############

"""进程池的概念为什么会有进程池?1，因为没开启一个进程，都需要创建一个内存空间，这是耗时的2，进程过多，操作熊的调度也会耗时，所以会有非常大的性能问题，所以我们不会让进程太大，我们会设计一个进程池，进程池：1，Python中先创建一个进程的池子，2，这个进程池能存放多少个进程，比如有5个进程，3，先把这些进程创建好，4，比如有50个任务他们到进程池里面去找进程，找到的就执行，找不到的就等待，5，进程执行结束之后，不会结束，而是返回进程池，等待下一个任务，所以进程池，可以节省进程创建的时间，节省了操作系统的调度，而且进程不会过多的创建，所以进程池和信号量有什么关系？假设有200个任务，信号量，信号量还是200个进程在排队，去拿钥匙，所以不能控制有多少进程，而是控制了同一时间有几个进程在执行，也就是只允许5个进程让操作系统调度，节省了操作系统的调度时间，但是并没有节省进程的创建时间，而进程池，是有200个任务去拿进程，所以进程池既是节省了操作系统的调度时间，也节省进程的创建时间，更高级的进程池是比较智能的，比如现在进程池有5个进程，就可以处理过来了，就不需要增加但是如果处理等待的任务太多了，急需要往进程池里面加进程，一直到设置的进程池上限如果任务减少了，就进程池里面减少，这是比较智能的，Python中没有高级的进程池，只有一个固定的进程数的进程池，没有弹性的那种，"""# from multiprocessing import Pool, Process# def func(n):#     print(n + 1)# if __name__ == ‘__main__‘:#     pool = Pool(5)  # 进程池里面有5个进程，约定就是cpu的内核+1#     pool.map(func, range(100))  # 这是模拟100个任务,# 这个map是一个异步的，而且自带close，和join功能，# 上面是一个使用进程池的方法，还有其他的使用进程池的方法# 使用了进程池之后，就不使用哪种创建进程的方式了，from multiprocessing import Poolimport time,osdef func(n):    print("start func%s"%n,os.getpid())    time.sleep(1)    print("end func%s"%n,os.getpid())if __name__ == ‘__main__‘:    p = Pool(5) # 不写就是默认cpu的核数，    for i in range(10):        # p.apply(func,args=(i,))  # p.apply这是同步，很慢，        p.apply_async(func,args=(i,))  # p.apply_async这是异步，这个一定是和close和join同时使用的，    p.close()  # 结束进程池接收任务    p.join()  # 这是感知进程池中的任务执行结束，

############### 进程池的返回值 ##############

# 进程池的返回值，from multiprocessing import Pool, Processdef func(i):    return i# if __name__ == ‘__main__‘:#     pool = Pool(5)#     res_list = []#     for i in range(10):#         # res = pool.apply(func,args=(i,))  # 所以这个结果接收，就是返回值，#         res = pool.apply_async(func,args=(i,))  # 所以这个结果接收，就是返回值，#         res_list.append(res)#     for res in res_list:#         print(res.get())  # get会阻塞等待结果# 上面讲了apply和apply_async 的返回值的问题，# 下面讲讲map的返回值的问题，比较简单if __name__ == ‘__main__‘:    pool = Pool(5)    ret = pool.map(func,range(10))    print(ret)  # 这是返回了一个列表，# 使用的时候想用map，map搞不定就使用，apply_async

############### 进程池的回调函数 ##############

# 进程池的回调函数from multiprocessing import Pooldef func1(n):    print(111)    return ndef func2(n):    print(222)    print(n*2)if __name__ == ‘__main__‘:    p = Pool(5)    p.apply_async(func1,args=(10,),callback=func2)    p.close()    p.join()    # 回调函数都是在主进程中执行的，

python语法基础-并发编程-进程-长期维护