首页 > 代码库 > 学习python:day10

学习python:day10

2024-08-16 14:44:52 218人阅读

一. 进程

1. 多进程multiprocessing

multiprocessing包是Python中的多进程管理包，是一个跨平台版本的多进程模块。与threading.Thread类似，它可以利用multiprocessing.Process对象来创建一个进程。该进程可以运行在Python程序内部编写的函数。该Process对象与Thread对象的用法类似。

创建一个Process实例，可用start()方法启动。

join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。

from multiprocessing import Process

import time

def f(name):

time.sleep(2)

print(‘hello‘, name)

if __name__ == ‘__main__‘:

p = Process(target=f, args=(‘bob‘,))

p.start()

p.join()

写个程序，对比下主进程和子进程的ID：

from multiprocessing import Process

import os

def info(title):

print(title)

print(‘进程名称:‘, __name__)

print(‘父进程ID:‘, os.getppid())

print(‘子进程ID:‘, os.getpid())

print("\n\n")

def f(name):

info(‘\033[31;1mcalled from child process function f\033[0m‘)

print(‘hello‘, name)

if __name__ == ‘__main__‘:

info(‘\033[32;1mmain process line\033[0m‘)

p = Process(target=f, args=(‘bob‘,))

p.start()

2. 进程间通信

不同进程间内存是不共享的，要想实现两个进程间的数据交换，可以使用Queue、Pipe、Manager，其中：

1）Queue \ Pipe 只是实现进程间数据的传递；

2）Manager 实现了进程间数据的共享，即多个进程可以修改同一份数据；

2.1 Queue

Queue允许多个进程放入，多个进程从队列取出对象，先进先出。（使用方法跟threading里的queue差不多）

from multiprocessing import Process,Queue

def f(qq):

qq.put([42,None,"hello"])

qq.put([43,None,"HI"])

if __name__ == ‘__main__‘:

q = Queue()

p = Process(target=f,args=(q,))

p.start()

print(q.get())

p.join()

2.2 Pipe

Pipe也是先进先出

from multiprocessing import Process, Pipe

def f(conn):

conn.send([42, None, ‘儿子发送的消息‘])

conn.send([42, None, ‘儿子又发消息啦‘])

print("接收父亲的消息:",conn.recv())

conn.close()

if __name__ == ‘__main__‘:

parent_conn, child_conn = Pipe()

p = Process(target=f, args=(child_conn,))

p.start()

print(parent_conn.recv()) # prints "[42, None, ‘hello‘]"

parent_conn.send("回家吃饭！") # prints "[42, None, ‘hello‘]"

p.join()

2.3 Manager

Manager对象类似于服务器与客户之间的通信 (server-client)，与我们在Internet上的活动很类似。我们用一个进程作为服务器，建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager，建立连接后，操作服务器上的资源。在防火墙允许的情况下，我们完全可以将Manager运用于多计算机，从而模仿了一个真实的网络情境。

from multiprocessing import Process,Manager

import os

def f(d,l):

d[os.getpid()] = os.getpid()

l.append(os.getpid())

print(l)

if __name__ == "__main__":

with Manager() as manager:

d = manager.dict()#生成一个字典，可在多个进程间共享和传递

l = manager.list(range(5))#生成一个列表，可在多个进程间实现共享和传递

p_list = []

for i in range(10):

p = Process(target=f,args=(d,l))

p.start()

p_list.append(p)

for res in p_list:#等待结果

res.join()

3. 进程池

进程池 (Process Pool)可以创建多个进程。这些进程就像是随时待命的士兵，准备执行任务(程序)。一个进程池中可以容纳多个待命的士兵。

进程池有两种方法：

1）串行：apply

2）并行：apply_async

from multiprocessing import Process,Pool

import time

import os

def Foo(i):

time.sleep(2)

print("in process",os.getpid())

return i+100

def Bar(arg):

‘‘‘回调函数‘‘‘

print("-->>exec done:",arg,os.getpid())

if __name__ == "__main__":

pool = Pool(processes=3)#允许进程池同时放入3个进程

print("主进程",os.getpid())

for i in range(10):

pool.apply_async(func=Foo,args=(i,),callback=Bar)

print(‘end‘)

pool.close()

pool.join()#进程池中进程执行完毕后在关闭；如果注释则程序直接关闭

使用回调函数的目的是：在父进程中执行可以提高效率；（比如连接数据库，写回调函数的话，父进程连接一次数据库即可；如果使用子进程，则需要连接多次）

4. 其他(lock)

lock：屏幕上打印的锁，防止打印显示混乱

from multiprocessing import Process, Lock

def f(l, i):

#上锁

l.acquire()

try:

print(‘hello world‘, i)

finally:

#解锁

l.release()

#因为屏幕是共享的，定义锁的目的是打印的信息不换乱，而不是顺序不会乱

if __name__ == ‘__main__‘:

#定义锁

lock = Lock()

for num in range(10):

Process(target=f, args=(lock, num)).start()

二. 协程

协程，又称微线程，纤程。英文名Coroutine。

协程拥有自己的寄存器上下文和栈。协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

好处：

无需线程上下文切换的开销
无需原子操作锁定及同步的开销
方便切换控制流，简化编程模型
高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

无法利用多核资源：协程的本质是个单线程,它不能同时将单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

1.实例

传统的生产者-消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待，但一不小心就可能死锁。

如果改用协程，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高。

代码示例：

def consumer():

r = ‘‘

while True:

n = yield r

if not n:

return

print(‘[消费者] Consuming %s...‘ % n)

r = ‘200 OK‘

def produce(c):

c.send(None)

n = 0

while n < 5:

n = n + 1

print(‘[生产者] Producing %s...‘ % n)

r = c.send(n)

print(‘[生产者] 消费者返回状态码: %s‘ % r)

c.close()

c = consumer()

produce(c)

输出结果：

[生产者] Producing 1...

[消费者] Consuming 1...

[生产者] 消费者返回状态码: 200 OK

[生产者] Producing 2...

[消费者] Consuming 2...

[生产者] 消费者返回状态码: 200 OK

[生产者] Producing 3...

[消费者] Consuming 3...

[生产者] 消费者返回状态码: 200 OK

[生产者] Producing 4...

[消费者] Consuming 4...

[生产者] 消费者返回状态码: 200 OK

[生产者] Producing 5...

[消费者] Consuming 5...

[生产者] 消费者返回状态码: 200 OK

注意到consumer函数是一个generator，把一个consumer传入produce后：

首先调用c.send(None)启动生成器；
然后，一旦生产了东西，通过c.send(n)切换到consumer执行；
consumer通过yield拿到消息，处理，又通过yield把结果传回；
produce拿到consumer处理的结果，继续生产下一条消息；
produce决定不生产了，通过c.close()关闭consumer，整个过程结束。

整个流程无锁，由一个线程执行，生产者和消费者协作完成任务，所以称为“协程”，而非线程的抢占式多任务。（原理：遇到I/O操作就切换，只剩下CPU操作（CPU操作非常快））

一句话总结协程的特点：子程序就是协程的一种特例。

python中支持协程的有以下两个模块：greenlet和greent

2. Greenlet

greenlet封装好的协程,利用.swith对协程操作进行手动切换

from greenlet import greenlet

def test1():

print(12)

gr3.switch()

print(34)

gr2.switch()

print(78)

def test2():

print(56)

gr1.switch()

def test3():

print(90)

gr1.switch()

gr1 = greenlet(test1)#启动协程

gr2 = greenlet(test2)

gr3 = greenlet(test3)

gr1.switch()

3. Greent

Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是Greenlet, 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。

import gevent

def foo():

print("运行foo")

gevent.sleep(2)

print("再次回到foo")

def bar():

print("这里是bar")

gevent.sleep(1)

print("又回到了bar")

def func3():

print("运行func3")

gevent.sleep(0)

print("再次运行func3")

gevent.joinall([

gevent.spawn(foo),

gevent.spawn(bar),

gevent.spawn(func3)

])

同步与异步的性能区别：

1）同步：

from gevent import monkey;

# monkey.patch_all()

import gevent

from urllib.request import urlopen

import time

def f(url):

print(‘GET: %s‘ % url)

resp = urlopen(url)

data = resp.read()

print(‘%d bytes received from %s.‘ % (len(data), url))

urls = [ ‘https://www.python.org/‘,

‘https://www.yahoo.com/‘,

‘https://github.com/‘

]

time_start = time.time()

for url in urls:

f(url)

print("同步cost",time.time() - time_start)

2）异步：

from gevent import monkey;

# monkey.patch_all()

import gevent

from urllib.request import urlopen

import time

def f(url):

print(‘GET: %s‘ % url)

resp = urlopen(url)

data = resp.read()

print(‘%d bytes received from %s.‘ % (len(data), url))

urls = [ ‘https://www.python.org/‘,

‘https://www.yahoo.com/‘,

‘https://github.com/‘

]

async_time_start = time.time()

gevent.joinall([

gevent.spawn(f, ‘https://www.python.org/‘),

gevent.spawn(f, ‘https://www.yahoo.com/‘),

gevent.spawn(f, ‘https://github.com/‘),

])

print("异步cost",time.time()-async_time_start )

结论：同步开销时间为4秒，异步开销为2.5秒，大大节省了开销，这就是协程的魅力；monkey.patch_all()使gevent能识别到urllib中的I/O操作

使用gevent实现单线程下的多socket并发：

import sysimport socketimport timeimport gevent from gevent import socket,monkeymonkey.patch_all()  def server(port):    s = socket.socket()    s.bind((‘0.0.0.0‘, port))    s.listen(500)    while True:        cli, addr = s.accept()        gevent.spawn(handle_request, cli)   def handle_request(conn):    try:        while True:            data = http://www.mamicode.com/conn.recv(1024)"recv:", data)            conn.send(data)            if not data:                conn.shutdown(socket.SHUT_WR)     except Exception as  ex:        print(ex)    finally:        conn.close()if __name__ == ‘__main__‘:    server(8001)

import socket HOST = ‘localhost‘    # The remote hostPORT = 8001           # The same port as used by the servers = socket.socket(socket.AF_INET, socket.SOCK_STREAM)s.connect((HOST, PORT))while True:    msg = bytes(input(">>:"),encoding="utf8")    s.sendall(msg)    data = http://www.mamicode.com/s.recv(1024)>

学习python:day10

声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉：投诉/举报工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。

联系
我们

首页 > 代码库 > 学习python:day10

学习python:day10

1. 多进程multiprocessing

2.1 Queue

2.2 Pipe

2.3 Manager

1.实例

2. Greenlet

看完仍有疑问？有类似问题直接问程序猿