一：管道 （了解）
使用：from multiprocessing import Process,Pipe
知识：
1 创建管道时候：Pipe（）默认是双工的，如改成False，那么conn1只能接收，conn2只能发送。
conn1,conn2=Pipe()
2 Pipe模块发送字符串不用bytes类型，直接是字符串类型。
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设置成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。
进程之间一个接收信息，一个发送消息
# from multiprocessing import Process,Pipe # def func(conn): # conn.send(‘hello‘) # conn.close() # if __name__==‘__main__‘:#判断是否是当前文件的文件名，如果是执行下面 # conn1,conn2=Pipe() # p=Process(target=func,args=(conn1,)) # p.start() # print(conn2.recv()) # # conn2.close() 注意 这个不写，我是写的错误的，这行去掉 # p.join()
打印结果：一个hello
如果是进程之间接收多条消息的时候，不是一条，需要传递多个对象（形参是两个），执行一个时候，另一个关闭。
from multiprocessing import Process,Pipe
def func(conn1,conn2):
conn2.close()
while True:
try:
msg=conn1.recv()
print(msg)
except EOFError:
conn1.close()
break
if __name__==‘__main__‘:
conn1,conn2=Pipe()
Process(target=func,args=(conn1,conn2)).start()
conn1.close()
for i in range(20):
conn2.send(‘hello‘)
conn2.close()
打印结果：20个hello
pipe实现生产者消费者模型（主进程与子进程接发消息）
# pipe实现生产者消费者模型
from multiprocessing import Lock,Pipe,Process
def producer(con,pro,name,food):
con.close()
for i in range(100):
f = ‘%s生产%s%s‘%(name,food,i)
print(f)
pro.send(f)
pro.send(None)
pro.send(None)
pro.send(None)
pro.close()
def consumer(con,pro,name,lock):
pro.close()
while True:
lock.acquire()
food = con.recv()
lock.release()
if food is None:
con.close()
break
print(‘%s吃了%s‘ % (name, food))
if __name__ == ‘__main__‘:
con,pro = Pipe()
lock= Lock()
p = Process(target=producer,args=(con,pro,‘egon‘,‘泔水‘))
c1 = Process(target=consumer, args=(con, pro, ‘alex‘,lock))
c2 = Process(target=consumer, args=(con, pro, ‘bossjin‘,lock))
c3 = Process(target=consumer, args=(con, pro, ‘wusir‘,lock))
c1.start()
c2.start()
c3.start()
p.start()
con.close()
pro.close()
注意：一定要用锁来控制。
#多个消费之之间的竞争问题带来的数据不安全问题
from multiprocessing import Process,Pipe,Lock
def consumer(produce, consume,name,lock):
produce.close()
while True:
lock.acquire()
baozi=consume.recv()
lock.release()
if baozi:
print(‘%s 收到包子:%s‘ %(name,baozi))
else:
consume.close()
break
def producer(produce, consume,n):
consume.close()
for i in range(n):
produce.send(i)
produce.send(None)
produce.send(None)
produce.close()
if __name__ == ‘__main__‘:
produce,consume=Pipe()
lock = Lock()
c1=Process(target=consumer,args=(produce,consume,‘c1‘,lock))
c2=Process(target=consumer,args=(produce,consume,‘c2‘,lock))
p1=Process(target=producer,args=(produce,consume,30))
c1.start()
c2.start()
p1.start()
produce.close()
consume.close()
注意：pipe 数据不安全性，一般我们用joinableQueue来实现生产模型
# pipe 数据不安全性 # IPC # 加锁来控制操作管道的行为 来避免进程之间争抢数据造成的数据不安全现象 # 队列 进程之间数据安全的 # 管道 + 锁
进程池：重点
进程池和multiprocess.Pool模块 重点
为什么要有进程池？
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。
简而言之：创建一个进程池处理多个任务，当进程池有任务时候，分批处理（比如进程池设置为5，每次处理5个任务，只有当任务处理完毕才能执行下一个任务）。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。
如何创建？
Pool([numprocess [,initializer [, initargs]]]):创建进程池
参数介绍：
1 numprocess: 要创建的进程数，如果省略，将默认使用cpu_count()的值 2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None 3 initargs：是要传给initializer的参数组
主要方法
p.apply一般用于同步。
p.apply_asyn 一般用于异步
# 方法介绍 # 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 # 4 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。 # 5 ‘‘‘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。‘‘‘ # 6 # 7 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 # 8 # 9 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
其他方法（了解）
其其他方法（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
# 2
# 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。
# 3
# obj.ready(): 如果调用完成，返回True
# 4
# 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
# 5
# obj.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
例子：
#进程池的同步调用
#进程池的同步调用
import os,time#引入系统模块和时间模块
from multiprocessing import Pool#引入进程池模块
def work(n):#定义一个函数
print(‘%s run‘ %os.getpid())#打印id
time.sleep(3)#睡3秒
return n**2#返回一个n平方
if __name__ == ‘__main__‘:#如果文件名等于当前文件名
p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
res_l=[]#创建一个列表
for i in range(10):#循环十个数
res=p.apply(work,args=(i,)) # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞
res_l.append( ) 也可能没有阻塞
# 但不管该任务是否存在阻塞，同步调用都会在原地等着
print(res_l)#打印列表
打印结果：
9656 run
6536 run
1492 run
9656 run
6536 run
1492 run
9656 run
6536 run
1492 run
9656 run
[]
想要有返回值，就在列表添加res,就能打印[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
import os
import time
import random
from multiprocessing import Pool
def work(n):
print(‘%s run‘ %os.getpid())
time.sleep(random.random())
return n**2
if __name__ == ‘__main__‘:
p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
res_l=[]
for i in range(10):
res=p.apply_async(work,args=(i,)) # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
# 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
# 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
# 而是执行完一个就释放一个进程，这个进程就去接收新的任务。
res_l.append(res)
# 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，
然后可以用get收集结果
# 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
p.close()
p.join()
for res in res_l:
print(res.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,
立刻获取结果,也根本无需get
注意：不管是同步还是异步都有返回值。