首页 > 代码库 > 进程线程----转自林海峰

进程线程----转自林海峰

一 背景知识

    进程是对正在运行程序的一个抽象,进程的概念起源于操作系统,是操作系统最核心的概念,操作系统的其他所有内容都是围绕进程的概念展开的。所以想要真正了解进程,必须事先了解操作系统,点击进入 

    进程是操作系统提供的最古老也是最重要的抽象概念之一。即使可以利用的cpu只有一个(早期的计算机确实如此),也能保证支持(伪)并发的能力。将一个单独的cpu变成多个虚拟的cpu(多道技术:时间多路复用和空间多路复用+硬件上支持隔离),没有进程的抽象,现代计算机将不复存在。

    本文将将着重介绍进程以及它的亲戚->线程

二  进程

2.1 什么是进程(进程与程序)

  程序仅仅只是一堆代码而已,而进程指的是程序的运行过程

  举例:

想象一位有一手好厨艺的计算机科学家正在为他的女儿烘制生日蛋糕。他有做生日蛋糕的食谱,厨房里有所需的原料:面粉、鸡蛋、糖、香草汁等。在这个比喻中,做蛋糕的食谱就是程序(即用适当形式描述的算法)计算机科学家就是处理器(cpu)而做蛋糕的各种原料就是输入数据进程就是厨师阅读食谱、取来各种原料以及烘制蛋糕等一系列动作的总和

现在假设计算机科学家的儿子哭着跑了进来,说他的头被一只蜜蜂蛰了。计算机科学家就记录下他照着食谱做到哪儿了(保存进程的当前状态),然后拿出一本急救手册,按照其中的指示处理蛰伤。这里,我们看到处理机从一个进程(做蛋糕)切换到另一个高优先级的进程(实施医疗救治),每个进程拥有各自的程序(食谱和急救手册)。当蜜蜂蛰伤处理完之后,这位计算机科学家又回来做蛋糕,从他
离开时的那一步继续做下去。

  需要强调的是:同一个程序执行两次,那也是两个进程,比如打开暴风影音,虽然都是同一个软件,但是一个可以播放苍井空,一个可以播放饭岛爱。

 

2.2 并发与并行

      无论是并行还是并发,在用户看来都是‘同时‘运行的,而一个cpu同一时刻只能执行一个任务

  并行:同时运行,只有具备多个cpu才能实现并行

      并发:是伪并行,即看起来是同时运行,单个cpu+多道技术

      技术分享

 

      所有现代计算机经常会在同一时间做很多件事,一个用户的PC(无论是单cpu还是多cpu),都可以同时运行多个任务(一个任务可以理解为一个进程)。当启动系统时,会秘密启动许多进程:

    启动一个进程来杀毒(360软件)

    启动一个进程来看电影(暴风影音)

    启动一个进程来聊天(腾讯QQ)

  所有的这些进程都需被管理,于是一个支持多进程的多道程序系统是至关重要的

      多道技术:内存中同时存入多道(多个)程序,cpu从一个进程快速切换到另外一个,使每个进程各自运行几十或几百毫秒,这样,虽然在某一个瞬间,一个cpu只能执行一个任务,但在1秒内,cpu却可以运行多个进程,这就给人产生了并行的错觉,即伪并发,以此来区分多处理器操作系统的真正硬件并行(多个cpu共享同一个物理内存)

2.3 同步与异步

    同步就是指一个进程在执行某个请求的时候,若该请求需要一段时间才能返回信息,那么这个进程将会一直等待下去,直到收到返回信息才继续执行下去;

    异步是指进程不需要一直等下去,而是继续执行下面的操作,不管其他进程的状态。当有消息返回时系统会通知进程进行处理,这样可以提高执行的效率。

    举个例子,打电话时就是同步通信,发短息时就是异步通信。

2.4 进程的创建

  但凡是硬件,都需要有操作系统去管理,只要有操作系统,就有进程的概念,就需要有创建进程的方式,一些操作系统只为一个应用程序设计,比如微波炉中的控制器,一旦启动微波炉,所有的进程都已经存在。

  而对于通用系统(跑很多应用程序),需要有系统运行过程中创建或撤销进程的能力,主要分为4中形式创建新的进程

  1. 系统初始化(查看进程linux中用ps命令,windows中用任务管理器,前台进程负责与用户交互,后台运行的进程与用户无关,运行在后台并且只在需要时才唤醒的进程,称为守护进程,如电子邮件、web页面、新闻、打印)

  2. 一个进程在运行过程中开启了子进程(如nginx开启多进程,os.fork,subprocess.Popen等)

  3. 用户的交互式请求,而创建一个新进程(如用户双击暴风影音)

  4. 一个批处理作业的初始化(只在大型机的批处理系统中应用)

  

  无论哪一种,新进程的创建都是由一个已经存在的进程执行了一个用于创建进程的系统调用而创建的:

  1. 在UNIX中该系统调用是:fork,fork会创建一个与父进程一模一样的副本,二者有相同的存储映像、同样的环境字符串和同样的打开文件(在shell解释器进程中,执行一个命令就会创建一个子进程)

  2. 在windows中该系统调用是:CreateProcess,CreateProcess既处理进程的创建,也负责把正确的程序装入新进程。

 

  关于创建的子进程,UNIX和windows

  1.相同的是:进程创建后,父进程和子进程有各自不同的地址空间,任何一个进程的在其地址空间中的修改都不会影响到另外一个进程。

  2.不同的是:在UNIX中,子进程的初始地址空间是父进程的一个副本,提示:子进程和父进程是可以有只读的共享内存区的。但是对于windows系统来说,从一开始父进程与子进程的地址空间就是不同的。

 

2.5 进程的终止

  1. 正常退出(自愿,如用户点击交互式页面的叉号,或程序执行完毕调用发起系统调用正常退出,在linux中用exit,在windows中用ExitProcess)

  2. 出错退出(自愿,程序员主动抛出异常,例如raise)

  3. 严重错误(非自愿,执行非法指令,如引用不存在的内存,1/0等)

  4. 被其他进程杀死(非自愿,如kill -9)

2.6 进程的层次结构

  无论UNIX还是windows,进程只有一个父进程,不同的是:

  1. 在UNIX中所有的进程,都是以init进程为根,组成树形结构。父子进程共同组成一个进程组,这样,当从键盘发出一个信号时,该信号被送给当前与键盘相关的进程组中的所有成员。

  2. 在windows中,没有进程层次的概念,所有的进程都是地位相同的,唯一类似于进程层次的暗示,是在创建进程时,父进程得到一个特别的令牌(称为句柄),该句柄可以用来控制子进程,但是父进程有权把该句柄传给其他子进程,这样就没有层次了。

2.7 进程的状态

  tail -f access.log |grep ‘404‘

  执行程序tail,开启一个子进程,执行程序grep,开启另外一个子进程,两个进程之间基于管道‘|‘通讯,将tail的结果作为grep的输入。

  进程grep在等待输入(即I/O)时的状态称为阻塞,此时grep命令都无法运行

  其实在两种情况下会导致一个进程在逻辑上不能运行,

  1. 进程挂起是自身原因,遇到I/O阻塞,便要让出CPU让其他进程去执行,这样保证CPU一直在工作

  2. 与进程无关,是操作系统层面,可能会因为一个进程占用时间过多,或者优先级等原因,而调用其他的进程去使用CPU。

  因而一个进程由三种状态

技术分享

2.8 进程并发的实现

  进程并发的实现在于,硬件中断一个正在运行的进程,把此时进程运行的所有状态保存下来,为此,操作系统维护一张表格,即进程表(process table),每个进程占用一个进程表项(这些表项也称为进程控制块)

技术分享

  该表存放了进程状态的重要信息:程序计数器、堆栈指针、内存分配状况、所有打开文件的状态、帐号和调度信息,以及其他在进程由运行态转为就绪态或阻塞态时,必须保存的信息,从而保证该进程在再次启动时,就像从未被中断过一样。

三 线程

3.1 什么是线程

  在传统操作系统中,每个进程有一个地址空间,而且默认就有一个控制线程

  多线程(即多个控制线程)的概念是,在一个进程中存在多个控制线程,控制该进程的地址空间

 

  进程只是用来把资源集中到一起(进程只是一个资源单位,或者说资源集合),而线程才是cpu上的执行单位,例如,北京地铁与上海地铁是不同的进程,而北京地铁里的13号线是一个线程,北京地铁所有的线路共享北京地铁所有的资源,比如所有的乘客可以被所有线路拉。

3.2 线程的使用

技术分享

开启一个字处理软件进程,该进程肯定需要办不止一件事情,比如监听键盘输入,处理文字,定时自动将文字保存到硬盘,这三个任务操作的都是同一块数据,因而不能用多进程。只能在一个进程里并发地开启三个线程,如果是单线程,那就只能是,键盘输入时,不能处理文字和自动保存,自动保存时又不能输入和处理文字。

3.3 经典的线程模型

  多个线程共享同一个进程的地址空间中的资源,是对一台计算机上多个进程的模拟,有时也称线程为轻量级的进程

  而对一台计算机上多个进程,则共享物理内存、磁盘、打印机等其他物理资源。

  多线程的运行也多进程的运行类似,是cpu在多个线程之间的快速切换。

技术分享

  不同的进程之间是充满敌意的,彼此是抢占、竞争cpu的关系,如果迅雷会和QQ抢资源。而同一个进程是由一个程序员的程序创建,所以同一进程内的线程是合作关系,一个线程可以访问另外一个线程的内存地址,大家都是共享的,一个线程干死了另外一个线程的内存,那纯属程序员脑子有问题。

  类似于进程,每个线程也有自己的堆栈

技术分享

  不同于进程,线程库无法利用时钟中断强制线程让出CPU,可以调用thread_yield运行线程自动放弃cpu,让另外一个线程运行。

  

  线程通常是有益的,但是带来了不小程序设计难度,线程的问题是:

  1. 父进程有多个线程,那么开启的子线程是否需要同样多的线程

   如果是,那么附近中某个线程被阻塞,那么copy到子进程后,copy版的线程也要被阻塞吗,想一想nginx的多线程模式接收用户连接。

  2. 在同一个进程中,如果一个线程关闭了问题,而另外一个线程正准备往该文件内写内容呢?

          如果一个线程注意到没有内存了,并开始分配更多的内存,在工作一半时,发生线程切换,新的线程也发现内存不够用了,又开始分配更多的内存,这样内存就被分配了多次,这些问题都是多线程编程的典型问题,需要仔细思考和设计。

3.4 POSIX线程

    为了实现可移植的线程程序,IEEE在IEEE标准1003.1c中定义了线程标准,它定义的线程包叫Pthread。大部分UNIX系统都支持该标准,简单介绍如下

技术分享

3.5 在用户空间实现的线程

    线程的实现可以分为两类:用户级线程(User-Level Thread)和内核线线程(Kernel-Level Thread),后者又称为内核支持的线程或轻量级进程。在多线程操作系统中,各个系统的实现方式并不相同,在有的系统中实现了用户级线程,有的系统中实现了内核级线程。

    用户级线程内核的切换由用户态程序自己控制内核切换,不需要内核干涉,少了进出内核态的消耗,但不能很好的利用多核Cpu,目前Linux pthread大体是这么做的。

 

技术分享

   在用户空间模拟操作系统对进程的调度,来调用一个进程中的线程,每个进程中都会有一个运行时系统,用来调度线程。此时当该进程获取cpu时,进程内再调度出一个线程去执行,同一时刻只有一个线程执行。

 

3.6 在内核空间实现的线程

    内核级线程:切换由内核控制,当线程进行切换的时候,由用户态转化为内核态。切换完毕要从内核态返回用户态;可以很好的利用smp,即利用多核cpu。windows线程就是这样的。

技术分享

3.7 用户级与内核级线程的对比

    一: 以下是用户级线程和内核级线程的区别:

  1. 内核支持线程是OS内核可感知的,而用户级线程是OS内核不可感知的。
  2. 用户级线程的创建、撤消和调度不需要OS内核的支持,是在语言(如Java)这一级处理的;而内核支持线程的创建、撤消和调度都需OS内核提供支持,而且与进程的创建、撤消和调度大体是相同的。
  3. 用户级线程执行系统调用指令时将导致其所属进程被中断,而内核支持线程执行系统调用指令时,只导致该线程被中断。
  4. 在只有用户级线程的系统内,CPU调度还是以进程为单位,处于运行状态的进程中的多个线程,由用户程序控制线程的轮换运行;在有内核支持线程的系统内,CPU调度则以线程为单位,由OS的线程调度程序负责线程的调度。
  5. 用户级线程的程序实体是运行在用户态下的程序,而内核支持线程的程序实体则是可以运行在任何状态下的程序。

    二: 内核线程的优缺点

  优点:

  1. 当有多个处理机时,一个进程的多个线程可以同时执行。

  缺点:

  1. 由内核进行调度。

    三: 用户进程的优缺点

  优点:

  1. 线程的调度不需要内核直接参与,控制简单。
  2. 可以在不支持线程的操作系统中实现。
  3. 创建和销毁线程、线程切换代价等线程管理的代价比内核线程少得多。
  4. 允许每个进程定制自己的调度算法,线程管理比较灵活。
  5. 线程能够利用的表空间和堆栈空间比内核级线程多。
  6. 同一进程中只能同时有一个线程在运行,如果有一个线程使用了系统调用而阻塞,那么整个进程都会被挂起。另外,页面失效也会产生同样的问题。

  缺点:

  1. 资源调度按照进程进行,多个处理机下,同一个进程中的线程只能在同一个处理机下分时复用

3.8 混合实现

  用户级与内核级的多路复用,内核同一调度内核线程,每个内核线程对应n个用户线程

技术分享

四 python并发编程之多进程

4.1 multiprocessing模块介绍

    python中的多线程其实并不是真正的多线程(在多线程时候介绍),如果想要充分地使用多核CPU的资源,在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing。
    multiprocessing模块用来开启子进程,并在子进程中执行我们定制的任务(比如函数),该模块与多线程模块threading的编程接口类似。

  需要再次强调的一点是:与线程不同,进程没有任何共享状态,进程修改的数据,改动仅限于该进程内。

  multiprocessing模块的功能众多:支持子进程、通信和共享数据、执行不同形式的同步,提供了Process、Queue、Pipe、Lock等组件。

4.2 开启子进程之Process

    创建进程的类

    Process([group [, target [, name [, args [, kwargs]]]]]),该类表示一个子进程中的任务(尚未启动),强调一点:需要使用关键字的方式来指定参数

    参数介绍:

    group参数未使用,值始终为None

    target表示调用对象,即子进程要执行的任务

  args表示调用对象的位置参数元组,args=(1,2,‘egon‘,)

    kwargs表示调用对象的字典,kwargs={‘name‘:‘egon‘,‘age‘:18}

    name为子进程的名称

  方法介绍:

    p.is_alive():如果p仍然运行,返回True

    p.join([timeout]):等待p终止。timeout是可选的超时时间,需要强调的是,p.join只能join住start开启的进程,而不能join住run开启的进程

    p.run():进程启动时运行的方法,正是它去调用target指定的函数,我们自定义类的类中一定要实现该方法

    p.start():启动进程,并调用该子进程中的p.run()

    p.terminate():强制终止进程p,不会进行任何清理操作,如果p创建了子进程,该子进程就成了僵尸进程,使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放,进而导致死锁

    属性介绍:

    p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性,这类连接只有在具有相同的身份验证键时才能成功,了解即可

    p.daemon:默认值为False,如果设为True,代表p为后台运行的守护进程,当p的父进程终止时,p也随之终止,并且设定为True后,p不能创建自己的新进程,必须在p.start()之前设置

    p.exitcode:进程在运行时为None、如果为–N,表示被信号N结束

    p.name:进程的名称

    p.pid:进程的pid

4.3 开启子进程的两种方式 

===============================方式一=============================

注意:在windows中Process()必须放到# if __name__ == ‘__main__‘:下

Since Windows has no fork, the multiprocessing module starts a new Python process and imports the calling module.
If Process() gets called upon import, then this sets off an infinite succession of new processes (or until your machine runs out of resources).
This is the reason for hiding calls to Process() inside

if __name__ == "__main__"
since statements inside this if-statement will not get called upon import.

由于Windows没有fork,多处理模块启动一个新的Python进程并导入调用模块。
如果在导入时调用Process(),那么这将启动无限继承的新进程(或直到机器耗尽资源)。
这是隐藏对Process()内部调用的原,使用if __name__ == “__main __”,这个if语句中的语句将不会在导入时被调用。

from multiprocessing import Process
import time
def clock(interval):
    while True:
        print(当前的时间是:,time.ctime())
        time.sleep(interval)


if __name__ == __main__:
    p=Process(target=clock,args=(3,),name=子进程)
    p.start()
    print(p.is_alive())
    print(p.name)
    print(p.pid)
    print(父进程)

 

p.daemon=True测试

from multiprocessing import Process
import time
def clock(interval):
    while True:
        print(当前的时间是:,time.ctime())
        time.sleep(interval)


if __name__ == __main__:
    p=Process(target=clock,args=(3,),name=子进程)
    p.daemon = True #设为守护进程
    p.start()
    print(父进程)

 

p.join(),p.join(2)

from multiprocessing import Process
import time
def clock(interval):
    while True:
        print(当前的时间是:,time.ctime())
        time.sleep(interval)


if __name__ == __main__:
    p=Process(target=clock,args=(3,),name=子进程)
    p.start()
    # p.join() #一直等,等到p执行完了再往下执行代码,试试打开注释的效果
    # p.join(2) #只等2秒,完了继续往下执行代码,
    print(父进程)

 

p.daemon=True与p.join(2)

from multiprocessing import Process
import time
def clock(interval):
    while True:
        print(当前的时间是:,time.ctime())
        time.sleep(interval)


if __name__ == __main__:
    p=Process(target=clock,args=(3,),name=子进程)
    p.daemon=True #打开注释,打开注释p.join(2)
    p.start()
    # p.join()
    p.join(2)
    print(父进程)
    
‘‘‘
结果
当前的时间是: Sun May  7 00:30:47 2017
父进程
‘‘‘

 

p.terminate()测试

from multiprocessing import Process
import time
def clock(interval):
    while True:
        print(当前的时间是:,time.ctime())
        time.sleep(interval)


if __name__ == __main__:
    p=Process(target=clock,args=(3,),name=子进程)
    p.start()
    print(p.is_alive())

    p.terminate() #终止p,进程清理并不会立刻就清理感觉,得有一段时间,于是下一个打印仍然为True
    # time.sleep(3) #打开这个注释,3秒内操作系统肯定将进程回收干净了,下面的打印才会是False
    print(p.is_alive())
    p.join()
    print(父进程)

‘‘‘
结果:
True
True
父进程
‘‘‘

 

父进程与子进程有不同的地址空间

from multiprocessing import Process
from threading import Thread
import time
def work(f,line):
    time.sleep(2)
    f.write(line)


if __name__ == __main__:
    f=open(a.txt,w)
    for i in range(5):
        # p=Process(target=work,args=(f,str(i),),name=‘子进程%s‘ %i) #抛出异常,子进程无法共享父进程的f
        p=Thread(target=work,args=(f,str(i),),name=子进程%s %i) #线程是可以的
        p.start()

 

===============================方式二=============================

定义一个类,类产生的对象obj就是一个任务,obj.start()就启动一个进程来运行obj.run()的任务

from multiprocessing import Process
import time

class Clock(Process):
    def __init__(self,interval):
        # Process.__init__(self)
        super().__init__()
        self.interval=interval
    def run(self):
        while True:
            print(当前的时间是: ,time.ctime())
            time.sleep(self.interval)

if __name__ == __main__:
    c=Clock(3)
    c.start()
    c.join(2)
    print(主进程)

4.4 进程间通信

    进程彼此之间互相隔离,要实现进程间通信,即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

==============================方式一:队列===========================

    创建队列的类(底层就是以管道和锁定的方式实现)

    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。

    参数介绍:

    maxsize是队列中允许最大项数,省略则无大小限制。    

  方法介绍:

    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.
 
    其他方法:
    q.cancel_join_thread():不会在进程退出时自动连接后台线程。可以防止join_thread()方法阻塞
    q.close():关闭队列,防止队列中加入更多数据。调用此方法,后台线程将继续写入那些已经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,将调用此方法。关闭队列不会在队列使用者中产生任何类型的数据结束信号或异常。例如,如果某个使用者正在被阻塞在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.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.get_nowait():同q.get(False)
    q.put_nowait():同q.put(False)
    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
    q.join_thread():连接队列的后台线程。此方法用于在调用q.close()方法之后,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
 
q=Queue(1)
q.put(a)
# q.put(‘b‘) #阻塞
print(q.get())
# q.get() #阻塞

 

    创建队列的另外一个类:

    JoinableQueue([maxsize]):这就像是一个Queue对象,但队列允许项目的使用者通知生成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。

    参数介绍:

    maxsize是队列中允许最大项数,省略则无大小限制。    

  方法介绍:

    JoinableQueue的实例p除了与Queue对象相同的方法之外还具有:
    q.task_done():使用者使用此方法发出信号,表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量,将引发ValueError异常
    q.join():生产者调用此方法进行阻塞,直到队列中所有的项目均被处理。阻塞将持续到队列中的每个项目均调用q.task_done()方法为止
q=JoinableQueue()
for i in range(1000):
    q.put(i)

for i in range(1000):
    print(q.get())
    q.task_done()

q.join()

 

 

    基于队列实现进程间通信:

from multiprocessing import Process,Queue,JoinableQueue
import time
def consumer(out_q):
    while True:
        baozi=out_q.get()
        print(收到包子:%s %baozi)
        out_q.task_done()

def producer(in_q):
    for i in range(10):
        in_q.put(i)
        # time.sleep(1)
if __name__ == __main__:
    q=JoinableQueue()

    c=Process(target=consumer,args=(q,))
    c.daemon=True #一定要射成守护进程,否则在q.join之后,打印完了,会一直卡在out_q.get()
    c.start()

    producer(q)
    q.join()
    print(主进程)

 

 

#_*_coding:utf-8_*_
#!/usr/bin/env python
import time
from multiprocessing import Process,Queue,JoinableQueue


def consumer(q,name):
    while True:
        baozi=q.get()
        print(%s 吃包子 %s %(name,baozi))
        q.task_done()

def producer(seq,q):

    for i in seq:
        q.put(i)
        time.sleep(1)
    q.join() #一定是:生产者调用该方法
if __name__ == __main__:
    q=JoinableQueue()

    p1=Process(target=consumer,args=(q,小白1))
    p1.daemon=True
    p1.start()

    p2 = Process(target=consumer, args=(q, 小白2))
    p2.daemon = True
    p2.start()

    p3 = Process(target=consumer, args=(q, 小白3))
    p3.daemon = True
    p3.start()

    p4=Process(target=producer,args=([i for i in range(10)],q))
    p4.start()

    p4.join()
    print(主进程)
技术分享
from multiprocessing import Process,Queue,JoinableQueue

import time,os
def consumer(out_q,name):
    while True:
        baozi=out_q.get()
        print(%s 收到包子:%s %(name,baozi))
        out_q.task_done()

def producer(seq,in_q):
    for i in seq:
        in_q.put(i)
        # time.sleep(1)
if __name__ == __main__:
    q=JoinableQueue()

    #编写使用者进程池
    c1=Process(target=consumer,args=(q,c1))
    c1.daemon=True #一定要射成守护进程,否则在q.join之后,打印完了,会一直卡在out_q.get()
    c1.start()

    c2=Process(target=consumer,args=(q,c2))
    c2.daemon=True #一定要射成守护进程,否则在q.join之后,打印完了,会一直卡在out_q.get()
    c2.start()

    c3=Process(target=consumer,args=(q,c3))
    c3.daemon=True #一定要射成守护进程,否则在q.join之后,打印完了,会一直卡在out_q.get()
    c3.start()

    #在成产中,seq代表要发送给使用者的项目序列,可以是生产器的形式发送
    seq=(i for i in range(1000))
    producer(seq,q)
    q.join() #一定要是生产者所在的进程来调用该方法
    print(主进程)
View Code

 

 

如果不把使用者设置成守护进程,那么在生产者发送完毕,然后q.join()保证都接收完毕后,主进程走完,而子进程都卡在q.get(),其实生产者可以通知使用者自己不再生产任何项目

from multiprocessing import Process,Queue,JoinableQueue

import time,os
def consumer(out_q,name):
    while True:
        baozi=out_q.get()
        if baozi is None:break
        print(%s 收到包子:%s %(name,baozi))
        out_q.task_done()
    print(%s down %name)
def producer(seq,in_q):
    for i in seq:
        in_q.put(i)
        # time.sleep(1)
if __name__ == __main__:
    q=JoinableQueue()

    c1=Process(target=consumer,args=(q,c1))
    c1.start()

    c2=Process(target=consumer,args=(q,c2))
    c2.start()

    c3=Process(target=consumer,args=(q,c3))
    c3.start()

    #在成产中,seq代表要发送给使用者的项目序列,可以是生产器的形式发送
    seq=(i for i in range(10))
    producer(seq,q)
    q.join()
    print(主进程)
    q.put(None)
    q.put(None)
    q.put(None)

 

==============================方式一:管道===========================

    管道也可以说是队列的另外一种形式,下面我们就开始介绍基于管道实现金城之间的消息传递

    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conn1,conn2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False,conn1只能用于接收,conn2只能用于发送。

  方法介绍:

    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。

    基于管道实现进程间通信(与队列的方式是类似的):

  

from multiprocessing import Process,Pipe

import time,os
def consumer(p,name):
    left,right=p
    left.close()
    while True:
        try:
            baozi=right.recv()
            print(%s 收到包子:%s %(name,baozi))
        except EOFError:
            right.close()
            break
def producer(seq,p):
    left,right=p
    right.close()
    for i in seq:
        left.send(i)
        # time.sleep(1)
    else:
        left.close()
if __name__ == __main__:
    left,right=Pipe()

    c1=Process(target=consumer,args=((left,right),c1))
    c1.start()


    seq=(i for i in range(10))
    producer(seq,(left,right))

    right.close()
    left.close()

    c1.join()
    print(主进程)

 

注意:生产者和消费者都没有使用管道的某个端点,就应该将其关闭,如在生产者中关闭管道的右端,在消费者中关闭管道的左端。如果忘记执行这些步骤,程序可能再消费者中的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产EOFError异常。因此在生产者中关闭管道不会有任何效果,付费消费者中也关闭了相同的管道端点。

 

    管道可以用于双向通信,利用通常在客户端/服务器中使用的请求/响应模型或远程过程调用,就可以使用管道编写与进程交互的程序,如下

from multiprocessing import Process,Pipe

import time,os
def adder(p,name):
    server,client=p
    client.close()
    while True:
        try:
            x,y=server.recv()
        except EOFError:
            server.close()
            break
        res=x+y
        server.send(res)
    print(server done)
if __name__ == __main__:
    server,client=Pipe()

    c1=Process(target=adder,args=((server,client),c1))
    c1.start()

    server.close()

    client.send((10,20))
    print(client.recv())
    client.close()

    c1.join()
    print(主进程)

 

注意:send()和recv()方法使用pickle模块对对象进行序列化。

4.5 进程池

    对于远程过程调用的高级应用程序而言,应该使用进程池,Pool可以提供指定数量的进程,供用户调用,当有新的请求提交到pool中时,如果池还没有满,那么就会创建一个新的进程用来执行该请求;但如果池中的进程数已经达到规定最大值,那么该请求就会等待,直到池中有进程结束,才会创建新的进程来它。

    在利用Python进行系统管理的时候,特别是同时操作多个文件目录,或者远程控制多台主机,并行操作可以节约大量的时间。

    当被操作对象数目不大时,可以直接利用multiprocessing中的Process动态成生多个进程,十几个还好,但如果是上百个,上千个目标,手动的去限制进程数量却又太过繁琐,此时可以发挥进程池的功效。

    创建进程池的类:

    Pool([numprocess  [,initializer [, initargs]]]):创建进程池

    参数介绍:

    numprocess:要创建的进程数,如果省略,将默认使用cpu_count()的值
    initializer:是每个工作进程启动时要执行的可调用对象,默认为None
    initargs:是要传给initializer的参数组

  方法介绍:

    主要方法:
    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。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()
    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。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。
   
    p.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
    p.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
    P.jion():等待所有工作进程退出。此方法只能在close()或teminate()之后调用
 
    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
    obj.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。
    obj.ready():如果调用完成,返回True
    obj.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
    obj.wait([timeout]):等待结果变为可用。
    其他方法:
    待整理...
 
使用进程池(非阻塞,apply_async
#coding: utf-8
from multiprocessing import Process,Pool
import time

def func(msg):
    print( "msg:", msg)
    time.sleep(1)
    return hahaha

if __name__ == "__main__":
    pool = Pool(processes = 3)
    res_l=[]
    for i in range(10):
        msg = "hello %d" %(i)
        res=pool.apply_async(func, (msg, ))   #维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去
        res_l.append(res)
    print("==============================>")
    pool.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
    pool.join()   #调用join之前,先调用close函数,否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
    print("Sub-process(es) done.")
    for i in res_l:
        print(res.get())

 使用进程池(阻塞,apply

#coding: utf-8
from multiprocessing import Process,Pool
import time

def func(msg):
    print( "msg:", msg)
    time.sleep(0.1)
    return hahaha

if __name__ == "__main__":
    pool = Pool(processes = 3)
    res_l=[]
    for i in range(10):
        msg = "hello %d" %(i)
        res=pool.apply(func, (msg, ))   #维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去
        res_l.append(res) #同步执行,即执行完一个拿到结果,再去执行另外一个
    print("==============================>")
    pool.close() 
    pool.join()   #调用join之前,先调用close函数,否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
    print("Sub-process(es) done.")
    print(res_l)
    for i in res_l: #apply是同步的,所以直接得到结果,没有get()方法
        print(res)

 

技术分享
#coding: utf-8
import multiprocessing
import os, time, random

def Lee():
    print("\nRun task Lee-%s" %(os.getpid())) #os.getpid()获取当前的进程的ID
    start = time.time()
    time.sleep(random.random() * 10) #random.random()随机生成0-1之间的小数
    end = time.time()
    print(Task Lee, runs %0.2f seconds. %(end - start))

def Marlon():
    print("\nRun task Marlon-%s" %(os.getpid()))
    start = time.time()
    time.sleep(random.random() * 40)
    end=time.time()
    print(Task Marlon runs %0.2f seconds. %(end - start))

def Allen():
    print("\nRun task Allen-%s" %(os.getpid()))
    start = time.time()
    time.sleep(random.random() * 30)
    end = time.time()
    print(Task Allen runs %0.2f seconds. %(end - start))

def Frank():
    print("\nRun task Frank-%s" %(os.getpid()))
    start = time.time()
    time.sleep(random.random() * 20)
    end = time.time()
    print(Task Frank runs %0.2f seconds. %(end - start))

def Egon():
    print("\nRun task Egon-%s" %(os.getpid()))
    start = time.time()
    time.sleep(random.random() * 20)
    end = time.time()
    print(Task Egon runs %0.2f seconds. %(end - start))

def Lily():
    print("\nRun task Lily-%s" %(os.getpid()))
    start = time.time()
    time.sleep(random.random() * 20)
    end = time.time()
    print(Task Lily runs %0.2f seconds. %(end - start))

if __name__==__main__:
    function_list=  [Lee, Marlon, Allen, Frank, Egon, Lily]
    print("parent process %s" %(os.getpid()))

    pool=multiprocessing.Pool(4)
    for func in function_list:
        pool.apply_async(func)     #Pool执行函数,apply执行函数,当有一个进程执行完毕后,会添加一个新的进程到pool中

    print(Waiting for all subprocesses done...)
    pool.close()
    pool.join()    #调用join之前,一定要先调用close() 函数,否则会出错, close()执行后不会有新的进程加入到pool,join函数等待素有子进程结束
    print(All subprocesses done.)
多个进程池

 

 

4.6 共享数据与同步

 模拟抢票(Lock互斥锁)

import json,time,random
import multiprocessing
# with open(‘db.json‘,‘w‘) as f:
#     json.dump({‘count‘:1},f)
def work(dbname,user,lock):
    #购票
    # lock.acquire()
    with lock:
        with open(dbname,r) as f:
            dic=json.load(f)
        if dic[count] > 0:
            print(还有%s张票 %dic[count])
            dic[count]-=1
            time.sleep(random.randint(0,10))
            with open(dbname,w) as f:
                json.dump(dic,f)
                print(%s 买到一张票 %user)
    # lock.release()
if __name__ == __main__:
    # work(‘db.json‘)
    lock=multiprocessing.Lock()
    p_l=[]
    for i in range(20):
        p=multiprocessing.Process(target=work,args=(db.json,路人%s %i,lock))
        p.start()
        p_l.append(p)
        # p.join()

    for i in p_l:
        i.join()
    print(=============>)

 

 

4.7 信号量Semahpore

    互斥锁 同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据 ,比如厕所有3个坑,那最多只允许3个人上厕所,后面的人只能等里面有人出来了才能再进去,如果指定信号量为3,那么来一个人获得一把锁,计数加1,当计数等于3时,后面的人均需要等待。一旦释放,就有人可以获得一把锁

    信号量与进程池的概念很像,但是要区分开,信号量涉及到加锁的概念

from multiprocessing import Process,Semaphore
import time,random

def go_wc(sem,user):
    sem.acquire()
    print(%s 占到一个茅坑 %user)
    time.sleep(random.randint(0,3)) #模拟每个人拉屎速度不一样,0代表有的人蹲下就起来了
    sem.release()

if __name__ == __main__:
    sem=Semaphore(5)
    p_l=[]
    for i in range(13):
        p=Process(target=go_wc,args=(sem,user%s %i,))
        p.start()
        p_l.append(p)

    for i in p_l:
        i.join()
    print(============》)

 

 

4.8 Event

    python线程的事件用于主线程控制其他线程的执行,事件主要提供了三个方法 set、wait、clear。

    事件处理的机制:全局定义了一个“Flag”,如果“Flag”值为 False,那么当程序执行 event.wait 方法时就会阻塞,如果“Flag”值为True,那么event.wait 方法时便不再阻塞。

  • clear:将“Flag”设置为False
  • set:将“Flag”设置为True

 

#_*_coding:utf-8_*_
#!/usr/bin/env python

from multiprocessing import Process,Event
import time,random

def car(e,n):
    while True:
        if not e.is_set(): #Flase
            print(\033[31m红灯亮\033[0m,car%s等着 %n)
            e.wait()
            print(\033[32m车%s 看见绿灯亮了\033[0m %n)
            time.sleep(random.randint(3,6))
            if not e.is_set():
                continue
            print(走你,car, n)
            break

def police_car(e,n):
    while True:
        if not e.is_set():
            print(\033[31m红灯亮\033[0m,car%s等着 % n)
            e.wait(1)
            print(灯的是%s,警车走了,car %s %(e.is_set(),n))
            break

def traffic_lights(e,inverval):
    while True:
        time.sleep(inverval)
        if e.is_set():
            e.clear() #e.is_set() ---->False
        else:
            e.set()

if __name__ == __main__:
    e=Event()
    # for i in range(10):
    #     p=Process(target=car,args=(e,i,))
    #     p.start()

    for i in range(5):
        p = Process(target=police_car, args=(e, i,))
        p.start()
    t=Process(target=traffic_lights,args=(e,10))
    t.start()

    print(============》)

 

 

4.7 条件(Condition)

同线程Condition

 

4.8 托管对象

4.9 连接

 

五 python并发编程之多线程

5.1  threading模块

from threading import Thread
import time

def work(n):
    while True:
        print(========>,n)
        time.sleep(3)

if __name__ == __main__:
    for i in range(3):
        t=Thread(target=work,args=(i,))
        t.start()
    print(主线程=====================================>)

 

技术分享

基于类的继承的方式实现

from threading import Thread
import time

class Work(Thread):
    def __init__(self,num,interval):
        super().__init__()
        self.num=num
        self.interval=interval
    def run(self):
        while True:
            print(========>,self.num)
            time.sleep(self.interval)

if __name__ == __main__:
    for i in range(3):
        t=Work(i,3)
        t.start()
    print(主线程=====================================>)
技术分享
#_*_coding:utf-8_*_
#!/usr/bin/env python
import multiprocessing
import threading

import socket
s=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.bind((127.0.0.1,8080))
s.listen(5)

def action(conn):
    while True:
        data=conn.recv(1024)
        print(data)
        conn.send(data.upper())

if __name__ == __main__:

    while True:
        conn,addr=s.accept()


        p=threading.Thread(target=action,args=(conn,))
        p.start()
多线程并发的socket服务端
技术分享
#_*_coding:utf-8_*_
#!/usr/bin/env python


import socket

s=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.connect((127.0.0.1,8080))

while True:
    msg=input(>>: ).strip()
    if not msg:continue

    s.send(msg.encode(utf-8))
    data=s.recv(1024)
    print(data)
客户端

 

与进程的方法都是类似的,其实是multiprocessing模仿threading的接口

join与setdaemon

from threading import Thread
import time

class Work(Thread):
    def __init__(self,num,interval):
        super().__init__()
        self.num=num
        self.interval=interval
    def run(self):
        while True:
            print(========>,self.num)
            time.sleep(self.interval)

if __name__ == __main__:
    l=[]
    for i in range(3):
        t=Work(i,3)
        t.setDaemon(True)
        t.start()
        l.append(t)

    # for i in l:
    #     i.join()
    print(主线程=====================================>)

 

Thread实例对象的方法
# isAlive(): 返回线程是否活动的。 # getName(): 返回线程名。 # setName(): 设置线程名。 threading模块提供的一些方法: # threading.currentThread(): 返回当前的线程变量。 # threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前,不包括启动前和终止后的线程。 # threading.activeCount(): 返回正在运行的线程数量,与len(threading.enumerate())有相同的结果。

5.3  GIL

‘‘‘

定义:
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple 
native threads from executing Python bytecodes at once. This lock is necessary mainly 
because CPython’s memory management is not thread-safe. (However, since the GIL 
exists, other features have grown to depend on the guarantees that it enforces.)

‘‘‘

 

 无论你启多少个线程,你有多少个cpu, Python在执行一个进程的时候会淡定的在同一时刻只允许一个线程运行。
所以,python是无法利用多核CPU实现多线程的。
这样,python对于计算密集型的任务开多线程的效率甚至不如串行(没有大量切换),但是,对于IO密集型的任务效率还是有显著提升的。

 

技术分享

 

 

5.4 同步锁

同进程一样

import time
import threading

def addNum():
    global num #在每个线程中都获取这个全局变量
    #num-=1

    temp=num
    time.sleep(0.1)
    num =temp-1  # 对此公共变量进行-1操作

num = 100  #设定一个共享变量

thread_list = []

for i in range(100):
    t = threading.Thread(target=addNum)
    t.start()
    thread_list.append(t)

for t in thread_list: #等待所有线程执行完毕
    t.join()

print(Result: , num)

 

锁通常被用来实现对共享资源的同步访问。为每一个共享资源创建一个Lock对象,当你需要访问该资源时,调用acquire方法来获取锁对象(如果其它线程已经获得了该锁,则当前线程需等待其被释放),待资源访问完后,再调用release方法释放锁:

 

import threading

R=threading.Lock()

R.acquire()
‘‘‘
对公共数据的操作
‘‘‘
R.release()

 

5.5 死锁与递归锁

进程也有死锁与递归锁,在进程那里忘记说了,放到这里一切说了额

所谓死锁: 是指两个或两个以上的进程或线程在执行过程中,因争夺资源而造成的一种互相等待的现象,若无外力作用,它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁,这些永远在互相等待的进程称为死锁进程,如下就是死锁

import threading
import time

mutexA = threading.Lock()
mutexB = threading.Lock()
# mutexA=mutexB=threading.RLock()
class MyThread(threading.Thread):

    def __init__(self,num):
        threading.Thread.__init__(self)
        self.num=num
    def run(self):
        self.fun1()
        self.fun2()

    def fun1(self):

        mutexA.acquire()  # 如果锁被占用,则阻塞在这里,等待锁的释放

        print ("%s=======>拿到A锁" %self.num)

        mutexB.acquire()
        print ("%s=======>拿到B锁" %self.num)
        mutexB.release()

        mutexA.release()


    def fun2(self):

        mutexB.acquire()
        print("%s=======>拿到B锁" % self.num)
        time.sleep(0.2)

        mutexA.acquire()
        print("%s=======>拿到A锁" % self.num)
        mutexA.release()

        mutexB.release()

if __name__ == "__main__":
    for i in range(0, 10):
        my_thread = MyThread(i)
        my_thread.start()
        
‘‘‘
0=======>拿到A锁
0=======>拿到B锁
0=======>拿到B锁
1=======>拿到A锁
然后就卡住,死锁了
‘‘‘

 

解决方法,递归锁,在Python中为了支持在同一线程中多次请求同一资源,python提供了可重入锁RLock。这个RLock内部维护着一个Lock和一个counter变量,counter记录了acquire的次数,从而使得资源可以被多次require。直到一个线程所有的acquire都被release,其他的线程才能获得资源。上面的例子如果使用RLock代替Lock,则不会发生死锁:

 mutexA=mutexB=threading.RLock()

5.6 信号量Semahpore

 同进程的一样

Semaphore管理一个内置的计数器,
每当调用acquire()时内置计数器-1;
调用release() 时内置计数器+1;
计数器不能小于0;当计数器为0时,acquire()将阻塞线程直到其他线程调用release()。

实例:(同时只有5个线程可以获得semaphore,即可以限制最大连接数为5):

import threading
import time

semaphore = threading.Semaphore(5)

def func():
    if semaphore.acquire():
        print (threading.currentThread().getName() +  get semaphore)
        time.sleep(2)
        semaphore.release()

for i in range(20):
  t1 = threading.Thread(target=func)
  t1.start()

 

5.7 Event

同进程的一样

 线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就 会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行

event.isSet():返回event的状态值;

event.wait():如果 event.isSet()==False将阻塞线程;

event.set(): 设置event的状态值为True,所有阻塞池的线程激活进入就绪状态, 等待操作系统调度;

event.clear():恢复event的状态值为False。

技术分享

可以考虑一种应用场景(仅仅作为说明),例如,我们有多个线程从Redis队列中读取数据来处理,这些线程都要尝试去连接Redis的服务,一般情况下,如果Redis连接不成功,在各个线程的代码中,都会去尝试重新连接。如果我们想要在启动时确保Redis服务正常,才让那些工作线程去连接Redis服务器,那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作:主线程中会去尝试连接Redis服务,如果正常的话,触发事件,各工作线程会尝试连接Redis服务。

import threading
import time
import logging

logging.basicConfig(level=logging.DEBUG, format=(%(threadName)-10s) %(message)s,)

def worker(event):
    logging.debug(Waiting for redis ready...)
    event.wait()
    logging.debug(redis ready, and connect to redis server and do some work [%s], time.ctime())
    time.sleep(1)

def main():
    readis_ready = threading.Event()
    t1 = threading.Thread(target=worker, args=(readis_ready,), name=t1)
    t1.start()

    t2 = threading.Thread(target=worker, args=(readis_ready,), name=t2)
    t2.start()

    logging.debug(first of all, check redis server, make sure it is OK, and then trigger the redis ready event)
    time.sleep(3) # simulate the check progress
    readis_ready.set()

if __name__=="__main__":
    main()

threading.Event的wait方法还接受一个超时参数,默认情况下如果事件一致没有发生,wait方法会一直阻塞下去,而加入这个超时参数之后,如果阻塞时间超过这个参数设定的值之后,wait方法会返回。对应于上面的应用场景,如果Redis服务器一致没有启动,我们希望子线程能够打印一些日志来不断地提醒我们当前没有一个可以连接的Redis服务,我们就可以通过设置这个超时参数来达成这样的目的:

def worker(event):
    while not event.is_set():
        logging.debug(Waiting for redis ready...)
        event.wait(2)
    logging.debug(redis ready, and connect to redis server and do some work [%s], time.ctime())
    time.sleep(1)

 

这样,我们就可以在等待Redis服务启动的同时,看到工作线程里正在等待的情况。

应用:连接池

思考:与Rlock的区别?

5.8 条件Condition

使得线程等待,只有满足某条件时,才释放n个线程

import threading
 
def run(n):
    con.acquire()
    con.wait()
    print("run the thread: %s" %n)
    con.release()
 
if __name__ == __main__:
 
    con = threading.Condition()
    for i in range(10):
        t = threading.Thread(target=run, args=(i,))
        t.start()
 
    while True:
        inp = input(>>>)
        if inp == q:
            break
        con.acquire()
        con.notify(int(inp))
        con.release()

 

技术分享
def condition_func():

    ret = False
    inp = input(>>>)
    if inp == 1:
        ret = True

    return ret


def run(n):
    con.acquire()
    con.wait_for(condition_func)
    print("run the thread: %s" %n)
    con.release()

if __name__ == __main__:

    con = threading.Condition()
    for i in range(10):
        t = threading.Thread(target=run, args=(i,))
        t.start()
View Code

 

5.9 定时器

定时器,指定n秒后执行某操作

from threading import Timer
 
 
def hello():
    print("hello, world")
 
t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

 

 

 

 

 

 

 

 

 

 

IPC进程间通信:消息传递

 

并发编程难点:同步和访问共享数据,数据一致性,

解决方法:互斥锁(同步锁),两个进程/线程写同一个文件,如何保证有序

 

 

python支持基于消息传递和基于线程的并发编程

python解释器使用了内部的GIL,一个应用程序是I/O密集型适合用多线程,计算密集型多线程效率低下

 

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

 

消息传递的抽象也与高级python功能,如协程有关,

协程是可以接收并处理发送给它的消息的函数。

 

而IPC就两种主要形式:管道和队列,这两种方法都是使用消息传递实现的

 

 

 

 

 

 

 

 

 

 

 

 

 

 

进程线程----转自林海峰