8.2 进程

8.2.1 进程的创建

开启多进程scoketserver:server、client
进程的开启:python中的多线程,一定是有一个主进程,由主进程创建几个子进程,

Linux与Windows

相同点:都是由主进程创建子进程,主进程和子进程原则上都有相互隔离的独立空间,互不影响
不同点:Linux子进程空间的初始数据完全是从主进程中copy来的;Windows子进程空间数据也是从主进程copy但与主进程有所不同

进程的三种状态

阻塞状态:bolcked 进程等待的某种条件满足之前无法继续执行

运行状态:running 进程正在占用CPU资源

就绪状态:ready 进程以获得除处理器之外的所需资源,等待分配处理器资源

python多进程

Windows下使用Process模块开启多进程,一定要放在__main__下运行

第一种方式

from multiprocessing import Process
import time

def task(name):       
    print(f"{name} is runing ")
    time.sleep(3)
    print(f"{name} is over ")


if __name__ == '__main__':   # windows环境下,开启多进程一定放在这个下面
    p = Process(target=task,args=('盖伦',))   # args 一定是一个元组的形式.
    p.start()  # 通知操作系统,你给我在内存中开辟一个空间,将p这个进程放进去,然后让cpu执行,中间需要一定的时间开辟空间
    time.sleep(1)

    print('hello')

第二种方法

from multiprocessing import Process
import time

class MyProcess(Process):

    def __init__(self,name):
        super().__init__()   # 必须要继承父类的__init__
        self.name = name

    def run(self):     # 必须定义run名字.
        print(f"{self.name} is runing ")
        time.sleep(3)
        print(f"{self.name} is over ")


if __name__ == '__main__':    # windows环境下,开启多进程一定放在这个下面
    p = MyProcess('盖伦')
    p.start()
    print('main process')
8.2.2 进的id

当内存中存在多个进程时,如何识别进程的身份?
Windows终端中可以使用tasklist查看所有进程pid,使用tasklist | findstr 进程名可以查看单个具体的进程pid.
python中获取pid的方法:子进程pid--os.getpid();父进程pid--os.getppid()

import os

print(f'子进程:{os.getpid()}')
print(f'父进程:{os.getppid()}')
8.2.3 进程之间的数据隔离

原则上,个进程之间的数据是隔离的,因为创建子进程之后,会复制一份父进程的数据给子进程,下面进行验证:

from multiprocessing import Process
import time
import os

x = 1000

def f():
    global x
    x = 2
    print(f"子进程:{os.getpid()}")

if __name__ == '__main__':
    p = Process(target=f)
    p.start()
    time.sleep(2)   # 让子进程先执行
    print(x)        # 输出 x = 1000,是数据隔离的
    print(f"父进程:{os.getpid()}")
    
    # 注意:可以使用id(x)产看x在内存中的位置-5到255的 id(x)值相等,其他的都不相等
8.2.4 join**

主进程等待子进程结束之后再往下执行

用法:子进程.join()

两个实例感受一下

from multiprocessing import Process
import time

def f(name,x):
    print(f"{name} is runing")
    time.sleep(x)
    print(f"{name} is finishing")

if __name__ == '__main__':
    p1 = Process(target=f,args=('gailun',2))
    p2 = Process(target=f, args=('zhaoxin', 1))
    p3 = Process(target=f, args=('jiawen', 3))
    start_time = time.time()
    p1.start()
    p2.start()
    p3.start()

    p1.join()
    p2.join()
    p3.join()

    print(f"主进程运行时间{time.time()-start_time}")
    # 最后输出在3.多秒
from multiprocessing import Process
import time

def f(name,x):
    print(f"{name} is runing")
    time.sleep(x)
    print(f"{name} is finishing")

if __name__ == '__main__':
    p1 = Process(target=f,args=('gailun',2))
    p2 = Process(target=f, args=('zhaoxin', 1))
    p3 = Process(target=f, args=('jiawen', 3))
    start_time = time.time()
    
    p1.start()
    p1.join()
    
    p2.start()
    p2.join()
    
    p3.start()
    p3.join()
    
    print(f"主进程运行时间{time.time()-start_time}")
    # 输出在6.多秒
8.2.5 进程对象的其他属性**

terminate() 结束子进程与start一样只是告诉系统要终止这个进程;内存中不管是终止或是开启子进程,都是耗费时间的,命名执行后系统不一定会立马运行
is_alive() 判断子进程是否存活

8.2.6 僵尸进程与孤儿进程**

只有Linux(Mac)环境下才强调的两个概念,Windows下没有

僵尸进程

一般来说,主进程是子进程的发起者,父子进程的运行是异步的,主进程往往会调用wait或者waitpid获取子进程的状态信息;如果子进程结束了而父进程没有获取子进程的状态信息,那么子进程的进程描述就会一直保留在系统中,这时子进程就成为僵尸进程。

子进程没有可执行代码后将变成僵尸进程,如果父进程一直运行,又没有处理僵尸进程的代码,僵尸进程也将一直存在,消耗资源。僵尸进程无法通过kill命令杀掉,因为僵尸进程是已经停止的,所以使用杀死进程的方法来杀僵尸进程是无效的。僵尸进程不使用CPU或硬盘等系统资源,而只使用极少量的内存用于存储退出状态和资源使用信息。

【危害】僵尸进程在系统中保存的信息一直不释放的话,会一直占用内存和进程号,如果大量的进程号被占用之后,系统就不能产生新的进程,因为系统分配的进程号时有限的。

孤儿进程

如果主进程由于各种原因,提前退出,但是他的子进程还在运行,这时把它所有的子进程称为孤儿进程,一段时间之后,init进程会对孤儿进程进行回收。

孤儿进程是无害的,init会来回收他

8.2.7 守护进程

子进程对父进程进行守护

语法:位置放在start之前

进程名.daemon = True
进程名.start()
  • 守护进程会在主进程代码执行结束后就终止
  • 守护进程内不能再开启新的子进程,否则抛出异常AssertionError
from multiprocessing import Process
import time

def f(name):
    print(f"{name} is piaoing" )
    time.sleep(3)
    print(f"{name} is piao end")

if __name__ == '__main__':
    p = Process(target=f,args=('gailun',))
    p.daemon = True
    p.start()
    time.sleep(2)
    print('this is main_process')
    # 输出
    gailun is piaoing
    this is main_process
from multiprocessing import Process
import time

def f1(name):
    print(f"{name} is runing")
    time.sleep(2)
    print(f"{name} is end")

def f(name):
    print(f"{name} is piaoing" )
    p2 = Process(target=f1, args=('zhaoxin',))
    p2.start()
    time.sleep(3)
    print(f"{name} is piao end")
    # 报错:AssertionError: daemonic processes are not allowed to have children

8.3 互斥锁

因为进程之间数据是不共享的,但却公用同一个操作系统,某些情况下多个进程会公用某一个资源,例如打印机,下面来进行说明

【情况一】

from multiprocessing import Process
import time
import random

def task1():
    print('task1 start print')
    time.sleep(random.randint(1,3))
    print('task1 done')

def task2():
    print('task2 start print')
    time.sleep(random.randint(1, 3))
    print('task2 done')

def task3():
    print('task3 start print')
    time.sleep(random.randint(1, 3))
    print('task3 done')

if __name__ == '__main__':
    p1 = Process(target=task1)
    p2 = Process(target=task2)
    p3 = Process(target=task3)

    p1.start()
    p2.start()
    p3.start()

这种情况的虽然有效率,但是打印的顺数是乱的,我们希望的是,一个进程打印完了,下一个进程才能打印

【情况二】

p1.start()
p1.join()
p2.start()
p2.join()
p3.start()
p3.join()

这种情况虽然实现了依次打印问题,但是顺序是我们设定好的,没有遵循公平竞争资源的原则

【情况三】

from multiprocessing import Process,Lock
import time
import random

def task1(lock):
    print('---task1---') # 验证CPU遇到io是否切换
    lock.acquire()
    print('task1 start print')
    time.sleep(random.randint(1,3))
    print('task1 done')
    lock.release()

def task2(lock):
    print('---task2---') # 验证CPU遇到io是否切换
    lock.acquire()
    print('task2 start print')
    time.sleep(random.randint(1, 3))
    print('task2 done')
    lock.release()

def task3():
    print('---task3---') # 验证CPU遇到io是否切换
    # lock.acquire()
    print('task3 start print')
    time.sleep(random.randint(1, 3))
    print('task3 done')
    # lock.release()

if __name__ == '__main__':
    lock = Lock()
    p1 = Process(target=task1,args=(lock,))  # 以参数的形式传进进程中
    p2 = Process(target=task2,args=(lock,))
    p3 = Process(target=task3)

    p1.start()
    p2.start()
    p3.start()

【总结】

  • 使用Lock类的acquire()和release()函数,加锁可以保证多个进程竞争同一个资源时,同一时间只能由一个进程可以进行修改,虽然把多个进程变成串行,但是保证了数据的安全性。
  • 一个acquire必须跟一个release,两个连续的acquire会造成死锁,死锁的常常发生在带锁的进程未解锁之前又生成了带锁的进程
  • 从第三个实列来看,CPU遇到IO时还是切换了进程,只不过碰见带锁的代码时会跳过,去执行不带锁的代码

8.4 进程间通信

进程与进程间是互相隔离的。如果要实现两个进程间的通信,可以借助硬盘里的同一文件,但是该方法着实有些效率低,所以我们选择使用队列或者管道,但是管道又因为bug无法保证数据安全性和稳定性等等被诟病,往往选择队列。

【使用文件模拟抢票】
# 需求:1.买票之前,先经过查票阶段,查票是并行发生
# 2.买票,从服务端获取剩余票数,买票,票数减一,中间有网络延迟
# 数据隔离,只是内存层面的隔离,不代表硬盘上的数据也隔离

from multiprocessing import Process,Lock
import time
import random
import os
import json


def serch():
    with open('db.json',mode='r',encoding='utf-8') as f1 :
        dic = json.load(f1)
    print(f'剩余票数:{dic["count"]}')

def get():
    with open('db.json',mode='r',encoding='utf-8') as f1:
        dic = json.load(f1)

    time.sleep(random.random())  # 模拟网络延迟
    if dic["count"] > 0 :
        dic["count"] -= 1
        with open('db.json', mode='w', encoding='utf-8') as f2:
            json.dump(dic,f2)
        print(f"{os.getpid()}购票成功")
    else:
        print('该班列车票已售完')

def task(l):
    serch()
    l.acquire()
    get()
    l.release()

if __name__ == '__main__':
    with open('db.json', mode='w', encoding='utf-8') as f:
        json.dump({'count':3},f)

    lock = Lock()
    for i in range(5):
        p = Process(target=task,args=(lock,))
        p.start()
8.4.1 队列Queue

队列是存在于内存中的容器

队列的特点:先进先出(FIFO)原则

【常用方法】
  • maxsize() q = Queue(3) 数据量不易过大.精简的重要的数据
  • .put(对象) -- 往队列中插入数据,其中有两个可选参数blocked和timeout。blocked默认为True,如果put的对象数量超过maxsize,则会阻塞进程,blocked默认为False时,直接报Queue.Full异常;timeout参数设定之后,是在timeout时间之后如果队列还无法插入数据载报Queue.Full异常
  • .get(对象) -- 从队列中拿取一个元素,get函数也有两个参数blocked和timeout。blocked默认为True,如果队列为空时,继续get就会阻塞进程,这是如果尤其的进程王该队列中添加了数据,阻塞的进程还是可以取到数据,blocked为false且队列为空时,直接报Queue.Empty异常,timeout参数设定之后,是在timeout时间之后如果队列还无法插入数据载报Queue.Empty异常
  • q.get_nowait():同q.get(False)
  • q.put_nowait():同q.put(False)
  • q.empty():调用此方法的此时此刻q为空则返回True,如果队列中又加入了项目,它不会在意,所以该函数返回的结果是不可靠的
  • q.full():调用此方法的此时此刻q已满则返回True,该结果也是不可靠的,比如在返回True的过程中,队列中的项目被取走
  • q.qsize():返回队列中此时此刻项目的正确数量,结果也不可靠,理由同q.empty()和q.full()一样
from multiprocessing import Queue
from multiprocessing import Process
import os

def task(q):
    try :
        q.put(f"{os.getpid()}",block=False)
    except Exception:
        return

if __name__ == '__main__':
    q = Queue(10)
    for i in range(12):
        p = Process(target=task,args=(q,))
        p.start()
    for i in range(1,11):
        print(f"排名第{i}的用户:{q.get()}")
8.4.2 生产者消费者模型

【形成的基本条件条件】两个进程 (生产者、消费者) + 缓冲区(队列);
生产者负责产生数据,消费者负责处理数据,队列缓冲区负责连接两个进程间通信的临界资源

【问题的核心】生产者在队列满后要暂时停止存入数据,消费者在队列空时,暂时不要取数据

【用于何处】多用于解决并发问题,处理生产数据与处理数据的进程间的强耦合问题,平衡二者的工作速率,从而提高整体的效率

# 生产者:生成数据
# 消费者:处理数据
# 缓冲区
# 用于并发

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

def producer(q):
    for i in range(1,10):
        time.sleep(random.randint(1,2))
        res = f"{i}号武器"
        q.put(res)
        print(f"\033[0;32m 邦德锻造了{res} \033[0m")

def consumer(q):
    while 1:
        try:  # 当生产者不再生产,队列为空时要停止消费者继续取值
            time.sleep(random.randint(1,2))
            ret = q.get(timeout=4)
            print(f"\033[0;33m 士兵拿走了{ret} \033[0m")
        except Exception:
            return

if __name__ == '__main__':
    q = Queue()
    p = Process(target=producer,args=(q,))
    c = Process(target=consumer,args=(q,))

    p.start()
    c.start()

对于临界,除了以上try的处理方式外,还可以在生产者进程内put一个停止取值的信号,当消费者在队列中取到该值时,就会停止继续取值;还可以在主程序下,配合join向队列中put 停止信号,这种方式相对low一些,因为有多少个生产者就要写多少个停止信号