进程间通信（四十七）

Posted 2021-02-12 xiangtingshen

http://www.cnblogs.com/linhaifeng/articles/7428874.html#_label6

from multiprocessing import Process
import time
import os

class MyProcess(Process):
    def __init__(self, num):
        super(MyProcess, self).__init__()
        self.num = num

    def run(self):
        time.sleep(1)
        print(self.is_alive(), self.num, self.pid)
        time.sleep(1)

if __name__ == "__main__":
    prs = []
    for i in range(5):
        p = MyProcess(i)
        prs.append(i)
        p.start()
‘‘‘
True 1 11848
True 3 14252
True 4 5512
True 2 8252
True 0 9892
‘‘‘

View Code

 

进程间的通信：队列，管道

进程彼此之间互相隔离，要实现进程间通信（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

队列：（推荐使用）

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：

 maxsize是队列中允许最大项数，省略则无大小限制。

 

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.
 
q.get_nowait():同q.get(False)
q.put_nowait():同q.put(False)

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.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

其他方法：

1 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
2 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。
3 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

应用：

‘‘‘
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
‘‘‘
import multiprocessing

q = multiprocessing.Queue(3)

q.put(1)
q.put(2)
q.put(3)

print(q.full())

print(q.get())
print(q.get())
print(q.get())
print(q.empty())
‘‘‘
True
1
2
3
True
‘‘‘

View Code

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。

基于队列实现生产者消费者模型

from multiprocessing import Process, Queue
import random, time, os

def constumer(q):
    while True:
        res = q.get()
        time.sleep(random.randint(1,3))
        print(‘[%s] constume %s‘ %(os.getpid(), res))

def producer(q):
    for i in range(5):
        time.sleep(random.randint(1,3))
        res = "cake %s" %i
        q.put(res)
        print(‘[%s] produce %s‘ %(os.getpid(), res))

if __name__ == "__main__":
    q = Queue()
    p1 = Process(target=producer, args=(q,))
    c1 = Process(target=constumer, args=(q,))

    p1.start()
    c1.start()

    print("main...")
‘‘‘
main...
[12740] produce cake 0
[12908] constume cake 0
[12740] produce cake 1
[12908] constume cake 1
[12740] produce cake 2
[12908] constume cake 2
[12740] produce cake 3
[12908] constume cake 3
[12740] produce cake 4
[12908] constume cake 4
‘‘‘

#生产者消费者模型总结

    #程序中有两类角色
        一类负责生产数据（生产者）
        一类负责处理数据（消费者）
        
    #引入生产者消费者模型为了解决的问题是：
        平衡生产者与消费者之间的工作能力，从而提高程序整体处理数据的速度
        
    #如何实现：
        生产者<-->队列<——>消费者
    #生产者消费者模型实现类程序的解耦和

此时的问题是主进程永远不会结束，原因是：生产者p在生产完后就结束了，但是消费者c在取空了q之后，则一直处于死循环中且卡在q.get()这一步。

解决方式无非是让生产者在生产完毕后，往队列中再发一个结束信号，这样消费者在接收到结束信号后就可以break出死循环

from multiprocessing import Process, Queue
import random, time, os

def constumer(q):
    while True:
        res = q.get()
        if res == None:break
        time.sleep(random.randint(1,3))
        print(‘[%s] constume %s‘ %(os.getpid(), res))

def producer(q):
    for i in range(5):
        time.sleep(random.randint(1,3))
        res = "cake %s" %i
        q.put(res)
        print(‘[%s] produce %s‘ %(os.getpid(), res))
    q.put(None)

if __name__ == "__main__":
    q = Queue()
    p1 = Process(target=producer, args=(q,))
    c1 = Process(target=constumer, args=(q,))

    p1.start()
    c1.start()

    print("main...")
‘‘‘
main...
[11768] produce cake 0
[11768] produce cake 1
[10528] constume cake 0
[11768] produce cake 2
[10528] constume cake 1
[10528] constume cake 2
[11768] produce cake 3
[10528] constume cake 3
[11768] produce cake 4
[10528] constume cake 4

Process finished with exit code 0
‘‘‘

View Code

#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

from multiprocessing import Process,JoinableQueue
import time,random,os
def consumer(q):
    while True:
        res=q.get()
        time.sleep(random.randint(1,3))
        print(‘33[45m%s 吃 %s33[0m‘ %(os.getpid(),res))

        q.task_done() #向q.join()发送一次信号,证明一个数据已经被取走了

def producer(name,q):
    for i in range(10):
        time.sleep(random.randint(1,3))
        res=‘%s%s‘ %(name,i)
        q.put(res)
        print(‘33[44m%s 生产了 %s33[0m‘ %(os.getpid(),res))
    q.join()


if __name__ == ‘__main__‘:
    q=JoinableQueue()
    #生产者们:即厨师们
    p1=Process(target=producer,args=(‘包子‘,q))
    p2=Process(target=producer,args=(‘骨头‘,q))
    p3=Process(target=producer,args=(‘泔水‘,q))

    #消费者们:即吃货们
    c1=Process(target=consumer,args=(q,))
    c2=Process(target=consumer,args=(q,))
    c1.daemon=True
    c2.daemon=True

    #开始
    p_l=[p1,p2,p3,c1,c2]
    for p in p_l:
        p.start()

    p1.join()
    p2.join()
    p3.join()
    print(‘主‘) 
    
    #主进程等--->p1,p2,p3等---->c1,c2
    #p1,p2,p3结束了,证明c1,c2肯定全都收完了p1,p2,p3发到队列的数据
    #因而c1,c2也没有存在的价值了,应该随着主进程的结束而结束,所以设置成守护进程

View Code

 

管道：（了解）

 

#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。
#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

 

 

 

from multiprocessing import Process, Pipe

def f(child_conn):
    data = child_conn.recv()
    dic = {"name": "zhangsan", "age": 18}
    child_conn.send(dic)
    print(‘from parent: %s‘ %data)

if __name__ == "__main__":
    parent_conn, child_conn = Pipe() # 双向管道

    p = Process(target=f, args=(child_conn,))
    p.start()
    parent_conn.send("hello")
    data = parent_conn.recv()
    print(‘from child: %s‘ %data)
    
‘‘‘
from parent: hello
from child: {‘age‘: 18, ‘name‘: ‘zhangsan‘}
‘‘‘

 

Manage

Pipe()，Queue()只是实现了数据交互，并没有实现数据共享，即一个进程去改变另一个进程的数据

from multiprocessing import Process, Manager

def f(dic, li, n):
    dic[n] = n
    li.append(n)

if __name__ == "__main__":
    with Manager() as manager:
        dic = manager.dict()
        l = manager.list()

        p_list = []
        for i in range(5):
            p = Process(target=f, args=(dic, l, i))
            p_list.append(p)
            p.start()
        for res in p_list:
            res.join()
        print(dic)
        print(l)
‘‘‘
{0: 0, 1: 1, 2: 2, 3: 3, 4: 4}
[4, 3, 2, 0, 1]
‘‘‘