昨日内容回顾
进程
multiprocess
Process —— 进程 在python中创建一个进程的模块
start
daemon 守护进程
join 等待子进程执行结束
锁 Lock
acquire release
锁是一个同步控制的工具
如果同一时刻有多个进程同时执行一段代码，
那么在内存中的数据是不会发生冲突的
但是，如果涉及到文件，数据库就会发生资源冲突的问题
我们就需要用锁来把这段代码锁起来
任意一个进程执行了acquire之后，
其他所有的进程都会在这里阻塞，等待一个release
信号量 semaphore
锁 + 计数器
同一时间只能有指定个数的进程执行同一段代码
事件 Event
set clear is_set 控制对象的状态
wait 根据状态不同执行效果也不同
状态是True ---> pass
状态是False --> 阻塞
一般wait是和set clear放在不同的进程中
set/clear负责控制状态
wait负责感知状态
我可以在一个进程中控制另外一个或多个进程的运行情况
IPC通信
队列 Queue
管道 PIPE
一、进程间通信（队列和管道）
判断队列是否为空
from multiprocessing import Process,Queue q = Queue() print(q.empty())
执行输出：True
判断队列是否满了
from multiprocessing import Process,Queue q = Queue() print(q.full())
执行输出：False
如果队列已满，再增加值的操作，会被阻塞，直到队列有空余的
from multiprocessing import Process,Queue
q = Queue(10) # 创建一个只能放10个value的队列
for i in range(10):
q.put(i) # 增加一个value
print(q.qsize()) # 返回队列中目前项目的正确数量
print(q.full()) # 如果q已满，返回为True
q.put(111) # 再增加一个值
print(q.empty())
执行输出：
可以看出程序并没有结束，q.put(111)之后的代码被阻塞了。
总结：
队列可以在创建的时候指定一个容量
如果在程序运行的过程中，队列已经有了足够的数据，再put就会发生阻塞
如果队列为空，再get就会发生阻塞
为什么要指定队列的长度呢？是为了防止内存爆炸。
一个队列，不能无限制的存储。毕竟内存是有限制的。
上面提到的put、get、qsize、full、empty都是不准的。
因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。
如果其它进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。
import time
from multiprocessing import Process,Queue
def wahaha(q):
print(q.get())
q.put(2) # 增加数字2
if __name__ == '__main__':
q = Queue()
p = Process(target=wahaha,args=[q,])
p.start()
q.put(1) # 增加数字1
time.sleep(0.2)
print(q.get())
执行输出：
1
2
先执行主进程的q.get()，再执行子进程的q.get()
在进程中使用队列可以完成双向通信
队列是进程安全的，内置了锁来保证队列中的每一个数据都不会被多个进程重复取
在同一时刻，只能有一个进程来取值，它内部有一个锁的机制。那么另外一个进程就会阻塞一会，但是阻塞的时间非常短，队列能保证数据安全，同一个数据，不能被多个进程获取。
生产者消费者模型
解决数据供需不平衡的情况
from multiprocessing import Process, Queue
def producer(q, name, food):
for i in range(5):
print('{}生产了{}{}'.format(name, food, i))
if __name__ == '__main__':
q = Queue()
Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start()
Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start()
执行输出：
增加一个消费者
import time
import random
from multiprocessing import Process, Queue
def producer(q, name, food):
for i in range(5):
time.sleep(random.random()) # 模拟生产时间
print('{}生产了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i)) # 放入队列
def consumer(q, name):
for i in range(10):
food = q.get() # 获取队列
time.sleep(random.random()) # 模拟吃的时间
print('{}吃了{}'.format(name, food))
if __name__ == '__main__':
q = Queue()
Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start()
Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start()
Process(target=consumer, args=(q, 'xiao')).start()
执行输出：
消费者，必须是有的吃，才能吃。没有吃的，就等着。一个消费者，明显消费不过来，再加一个消费者
import time
import random
from multiprocessing import Process, Queue
def producer(q, name, food):
for i in range(5):
time.sleep(random.random()) # 模拟生产时间
print('{}生产了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i)) # 放入队列
def consumer(q, name):
for i in range(5): # 修改为5，因为有2个人
food = q.get() # 获取队列
time.sleep(random.random()) # 模拟吃的时间
print('{}吃了{}'.format(name, food))
if __name__ == '__main__':
q = Queue()
Process(target=producer, args=(q, '康师傅', '红烧牛肉')).start()
Process(target=producer, args=(q, '郑师傅', '红烧鱼块')).start()
Process(target=consumer, args=(q, 'xiao')).start()
Process(target=consumer, args=(q, 'lin')).start()
执行输出：
注意：必须将消费者的range(10)修改为5，否则程序会卡住。为什么呢？因为队列已经是空的，再取就会阻塞，这样才能解决供需平衡
那么问题来了，如果有一个消费者，吃的比较快呢？
再修改range值？太Low了
能者多老嘛，不能使用q.empty()，它是是不准确的
看下图，有可能一开始，队列就空了
下面的0.1更快
看下面的解决方案：
import time
import random
from multiprocessing import Process, Queue
def producer(q, name, food):
for i in range(5):
time.sleep(random.random()) # 模拟生产时间
print('{}生产了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i)) # 放入队列
def consumer(q, name):
while True:
food = q.get() # 获取队列
if food == 'done': break # 当获取的值为done时，结束循环
time.sleep(random.random()) # 模拟吃的时间
print('{}吃了{}'.format(name, food))
if __name__ == '__main__':
q = Queue() # 创建队列对象，如果不提供maxsize，则队列数无限制
p1 = Process(target=producer, args=(q, '康师傅', '红烧牛肉'))
p2 = Process(target=producer, args=(q, '郑师傅', '红烧鱼块'))
p1.start() # 启动进程
p2.start()
Process(target=consumer, args=(q, 'xiao')).start()
Process(target=consumer, args=(q, 'lin')).start()
p1.join() # 保证子进程结束后再向下执行
p2.join()
q.put('done') # 向队列添加一个值done
q.put('done')
执行输出：
为什么要有2个done？因为有2个消费者
为什么要有2个join？因为必须要等厨师做完菜才可以。
最后输出2个done，表示通知2个顾客，菜已经上完了，顾客要结账了。
2个消费者，都会执行break。通俗的来讲，亲，您一共消费了xx元，请付款！
上面的解决方案，代码太长了，有一个消费者，旧的done一次。
下面介绍JoinableQueue
JoinableQueue([maxsize])
创建可连接的共享进程队列。这就像是一个Queue对象，但队列允许项目的使用者通知生产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。
JoinableQueue的实例p除了与Queue对象相同的方法之外，还具有以下方法： q.task_done() 使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将引发ValueError异常。 q.join() 生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。 下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。
JoinableQueue队列实现消费者生产者 模型
import time
import random
from multiprocessing import Process, JoinableQueue
def producer(q, name, food):
for i in range(5):
time.sleep(random.random())
print('{}生产了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i))
q.join() # 等到所有的数据都被task_done才结束
def consumer(q, name):
while True:
food = q.get() # 获取队列
time.sleep(random.random()) # 模拟吃的时间
print('{}吃了{}'.format(name, food))
q.task_done() # 向q.join()发送一次信号，证明一个数据已经被取走了
if __name__ == '__main__':
q = JoinableQueue() # 创建可连接的共享进程队列
# 生产者们：即厨师们
p1 = Process(target=producer, args=(q, '康师傅', '红烧牛肉'))
p2 = Process(target=producer, args=(q, '郑师傅', '红烧鱼块'))
p1.start() # 启动进程
p2.start()
# 消费者们：即吃货们
c1 = Process(target=consumer, args=(q, 'xiao'))
c2 = Process(target=consumer, args=(q, 'lin'))
c1.daemon = True # 设置守护进程
c2.daemon = True
c1.start() # 启动进程
c2.start()
p1.join() # 保证子进程结束后再向下执行
p2.join()
执行输出：
总结：
producer
put
生产完全部的数据就没有其他工作了
在生产数据方：允许执行q.join
join会发起一个阻塞，直到所有当前队列中的数据都被消费
consumer
get 获取到数据
处理数据
q.task_done() 告诉q，刚刚从q获取的数据已经处理完了
consumer每完成一个任务就会给q发送一个taskdone
producer在所有的数据都生产完之后会执行q.join()
producer会等待consumer消费完数据才结束
主进程中对producer进程进行join
主进程中的代码会等待producer执行完才结束
producer结束就意味着主进程代码的结束
consumer作为守护进程结束
结束顺序：
consumer中queue中的所有数据被消费
producer join结束
主今晨过的代码结束
consumer结束
主进程结束
管道（了解）：
介绍：
#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。
pipe初使用：
from multiprocessing import Process, Pipe def f(conn): conn.send("Hello The_Third_Wave") conn.close() if __name__ == '__main__': parent_conn, child_conn = Pipe() p = Process(target=f, args=(child_conn,)) p.start() print(parent_conn.recv()) p.join() pipe初使用
应该特别注意管道端点的正确管理问题。如果是生产者或消费者中都没有使用管道的某个端点，就应将它关闭。这也说明了为何在生产者中关闭了管道的输出端，在消费者中关闭管道的输入端。如果忘记执行这些步骤，程序可能在消费者中的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成EOFError异常。因此，在生产者中关闭管道不会有任何效果，除非消费者也关闭了相同的管道端点。
from multiprocessing import Pipe
left,right = Pipe()
left.send('1234')
print(right.recv())
执行输出：1234
管道实例化之后，形成2端。默认情况下，管道是双向的
左边send，右边recv
一端send和recv，会阻塞
它不是走TCP和UDP
它是一台机器的多个进程
引发EOFError，程序卡住
from multiprocessing import Process,Pipe
def f(parent_conn,child_conn):
parent_conn.close() # 不写close将不会引发EOFError
while True:
try:
print(child_conn.recv())
except EOFError:
child_conn.close()
break
if __name__ == '__main__':
# 在进程之间创建一条管道，并返回元组（conn1，conn2），其中conn1和conn2是表示管道两端的Connection对象
parent_conn,child_conn = Pipe()
p = Process(target=f,args=(parent_conn,child_conn))
p.start()
child_conn.close() # 关闭连接
parent_conn.send('hello')
parent_conn.send('hello')
parent_conn.send('hello')
parent_conn.close()
p.join() # 等待子进程结束
执行输出：
from multiprocessing import Process,Pipe def consumer(p,name): produce, consume=p produce.close() while True: try: baozi=consume.recv() print('%s 收到包子:%s' %(name,baozi)) except EOFError: break def producer(seq,p): produce, consume=p consume.close() for i in seq: produce.send(i) if __name__ == '__main__': produce,consume=Pipe() c1=Process(target=consumer,args=((produce,consume),'c1')) c1.start() seq=(i for i in range(10)) producer(seq,(produce,consume)) produce.close() consume.close() c1.join() print('主进程')
from multiprocessing import Process,Pipe,Lock def consumer(p,name,lock): produce, consume=p 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(p,n): produce, consume=p 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),10)) c1.start() c2.start() p1.start() produce.close() consume.close() c1.join() c2.join() p1.join() print('主进程')
进程之间的数据共享
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。
但进程间应该尽量避免通信，即便需要通信，也应该选择进程安全的工具来避免加锁带来的问题。
以后我们会尝试使用数据库来解决现在进程之间的数据共享问题。
进程间数据是独立的，可以借助于队列或管道实现通信，二者都是基于消息传递的 虽然进程间数据独立，但可以通过Manager实现数据共享，事实上Manager的功能远不止于此 A manager object returned by Manager() controls a server process which holds Python objects and allows other processes to manipulate them using proxies. A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array.
Manager是一种较为高级的多进程通信方式，他能支持Python支持的任何数据结构。
它的原理是：先启动一个ManagerServer进程，这个进程是阻塞的，它监听一个socket，然后其他进程（ManagerClient）通过socket来连接到ManagerServer，实现通信。
from multiprocessing import Manager, Process
def func(dic):
print(dic)
if __name__ == '__main__':
m = Manager() # 创建一个server进程
dic = m.dict({'count': 100}) # 这是一个特殊的字典
p = Process(target=func, args=(dic,))
p.start()
p.join()
执行输出：
修改字典的值
from multiprocessing import Manager, Process
def func(dic):
dic['count'] = dic['count'] - 1
print(dic)
if __name__ == '__main__':
m = Manager() # 创建一个server进程
dic = m.dict({'count': 100}) # 这是一个特殊的字典
p = Process(target=func, args=(dic,))
p.start()
p.join()
输出：
循环修改
from multiprocessing import Manager, Process
def func(dic):
dic['count'] = dic['count'] - 1 # 每次减1
if __name__ == '__main__':
m = Manager() # 创建一个server进程
dic = m.dict({'count': 100}) # 这是一个特殊的字典
p_lst = [] # 定义一个空列表
for i in range(100): # 启动100个进程
p = Process(target=func, args=(dic,))
p_lst.append(p) # 进程追加到列表中
p.start() # 启动进程
for p in p_lst: p.join() # 等待100个进程全部结束
print(dic) # 打印dic的值
重复执行5次，输出
发现每次结果不一致，数据已经出现错乱了，为什么呢？因为同一个时间内有多个进程操作dic，就会发生数据错乱。
为了解决这个问题，需要加锁
from multiprocessing import Manager, Process, Lock
def func(dic, lock):
lock.acquire() # 取得锁
dic['count'] = dic['count'] - 1 # 每次减1
lock.release() # 释放锁
if __name__ == '__main__':
m = Manager() # 创建一个server进程
lock = Lock() # 创建锁
dic = m.dict({'count': 100}) # 这是一个特殊的字典
p_lst = [] # 定义一个空列表
for i in range(100): # 启动100个进程
p = Process(target=func, args=(dic, lock))
p_lst.append(p) # 进程追加到列表中
p.start() # 启动进程
for p in p_lst: p.join() # 等待100个进程全部结束
print(dic) # 打印dic的值
重复执行5次，输出结果为：
另外一种写法，使用上下文管理
from multiprocessing import Manager, Process, Lock
def func(dic, lock):
with lock: # 上下文管理：必须有一个开始动作和一个结束动作的时候
dic['count'] = dic['count'] - 1 # 每次减1
if __name__ == '__main__':
m = Manager() # 创建一个server进程
lock = Lock() # 创建锁
dic = m.dict({'count': 100}) # 这是一个特殊的字典
p_lst = [] # 定义一个空列表
for i in range(100): # 启动100个进程
p = Process(target=func, args=(dic, lock))
p_lst.append(p) # 进程追加到列表中
p.start() # 启动进程
for p in p_lst: p.join() # 等待100个进程全部结束
print(dic) # 打印dic的值
重复执行，效果同上。
之前学到的文件管理，有用到上下文管理。这里也可以使用上下文管理。有2个必要条件
1. 提供了with方法。
2. 必须有一个开始和结束动作。
这里的开始和结束动作，分别指的是acquire和release
同一台机器上 ： 使用Queue
在不同台机器上 ：使用消息中间件
进程池和multiprocess.Pool模块
进程池
为什么要有进程池?进程池的概念。
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。
multiprocess.Pool模块
概念介绍
Pool([numprocess [,initializer [, initargs]]]):创建进程池
进程池，是很重要的知识点
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
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.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。
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
代码实例
import time
from multiprocessing import Pool
def fc(i):
time.sleep(0.5)
print('func%s' % i)
if __name__ == '__main__':
p = Pool(5)
p.apply(func=fc, args=(1,))
执行输出：
import time
from multiprocessing import Pool
def fc(i):
time.sleep(0.5)
print('func%s' % i)
if __name__ == '__main__':
p = Pool(5)
for i in range(5):
p.apply(func=fc, args=(1,)) # 同步调用
# p.apply_async(func=fc,args=(1,)) # 异步调用
执行输出：
import time
import random
from multiprocessing import Pool
def fc(i):
print('func%s' % i)
time.sleep(random.randint(1, 3))
return i ** 2
if __name__ == '__main__':
p = Pool(5) # 创建拥有5个进程数量的进程池
ret_l = []
for i in range(5):
# p.apply(func=fc,args=(1,)) # 同步调用
ret = p.apply_async(func=fc, args=(i,)) # 异步调用
ret_l.append(ret)
for ret in ret_l: print(ret.get()) # 打印返回结果
执行输出：
后面的结果都是平方的值
import os,time from multiprocessing import Pool def work(n): print('%s run' %os.getpid()) time.sleep(3) 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(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)
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
练习
# Pool内的进程数默认是cpu核数，假设为4（查看方法os.cup_count()） # 开启6个客户端，会发现2个客户端处于等待状态 # 在每个进程内查看pid，会发现pid使用为4个，即多个客户端供用4个进程 from socket import * from multiprocessing import Pool import os server = socket(AF_INET, SOCK_STREAM) server.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1) server.bind(('127.0.0.1', 8080)) server.listen(5) def talk(conn): print('进程pid：%s' % os.getpid()) while True: try: msg = conn.recv(1024) if not msg: break conn.send(msg.upper()) except Exception: break if __name__ == '__main__': p = Pool(4) while True: conn, *_ = server.accept() p.apply_async(talk, args=(conn,)) # p.apply(talk,args=(conn,client_addr)) # 同步的话，则同一时间只有一个客户端能访问
from socket import * client = socket(AF_INET, SOCK_STREAM) client.connect(('127.0.0.1', 8080)) while True: msg = input('>>>').strip() if not msg: continue client.send(msg.encode('utf-8')) msg = client.recv(1024) print(msg.decode('utf-8'))
发现：并发开启多个客户端，服务端同一时间只有4个不同的pid，只能结束一个客户端，另外一个客户端才会进来。
信号量和进程池的区别：
回调函数
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。
进程池的数量一般为CPU的个数加1
简单爬虫例子：
import os
from urllib.request import urlopen
from multiprocessing import Pool
def get_url(url):
print('-->',url,os.getpid(),'get_url进程')
ret = urlopen(url) # 打开url
content = ret.read() # 读取网页内容
return content
def call(url): # 回调函数
#分析
print(url,os.getpid(),'回调函数')
if __name__ == '__main__':
print(os.getpid(),'主进程') # 主进程id
l = [
'http://www.baidu.com',
'http://www.sina.com',
'http://www.sohu.com',
'http://www.sogou.com',
'http://www.qq.com',
'http://www.bilibili.com',
]
p = Pool(5)
ret_l = []
for url in l:
ret = p.apply_async(func=get_url,args=[url,],callback=call) # 异步
ret_l.append(ret) # 将进程追加到列表中
for ret in ret_l:ret.get() # 获取进程返回值
执行输出：
/www.sohu.com/a/231538578_115362" target="_blank"
...
输出了一堆内容，但是get_url函数并没有print，那么由谁输出的呢？
是由call打印的
回调函数
在进程池中，起了一个任务，这个任务对应的函数在执行完毕之后
的返回值会自动作为参数返回给回调函数
回调函数就根据返回值再进行相应的处理
回调函数 是在主进程执行的
看下图
有6个url，每一个url的响应时间是不一样的。假设第一个url访问很慢，那么必须等待任务结束，才能执行分析函数。如果使用回调函数，谁最快范围，优先执行回调函数。那么最慢的url，最后执行。
这样效率就提升了很多。
回调函数是瞬间执行的，网络延时才是最耗最长的。
回调函数是主 进程执行的，不是子进程执行的。
怎么证明呢？修改get_url的return值
import os
from urllib.request import urlopen
from multiprocessing import Pool
def get_url(url):
print('-->',url,os.getpid(),'get_url进程')
ret = urlopen(url) # 打开url
content = ret.read() # 读取网页内容
return url
def call(url): # 回调函数
#分析
print(url,os.getpid(),'回调函数')
if __name__ == '__main__':
print(os.getpid(),'主进程') # 主进程id
l = [
'http://www.baidu.com',
'http://www.sina.com',
'http://www.sohu.com',
'http://www.sogou.com',
'http://www.qq.com',
'http://www.bilibili.com',
]
p = Pool(5)
ret_l = []
for url in l:
ret = p.apply_async(func=get_url,args=[url,],callback=call) # 异步
ret_l.append(ret) # 将进程追加到列表中
for ret in ret_l:ret.get() # 获取进程返回值
执行输出：
13764 主进程
--> http://www.baidu.com 14820 get_url进程
--> http://www.sina.com 12144 get_url进程
--> http://www.sohu.com 10868 get_url进程
--> http://www.sogou.com 4072 get_url进程
--> http://www.qq.com 3924 get_url进程
--> http://www.bilibili.com 14820 get_url进程
http://www.baidu.com 13764 回调函数
http://www.qq.com 13764 回调函数
http://www.sohu.com 13764 回调函数
http://www.sogou.com 13764 回调函数
http://www.bilibili.com 13764 回调函数
http://www.sina.com 13764 回调函数
执行回调函数的进程id都是13764，这个进程正好是主进程。
from multiprocessing import Pool import requests import json import os def get_page(url): print('<进程%s> get %s' %(os.getpid(),url)) respone=requests.get(url) if respone.status_code == 200: return {'url':url,'text':respone.text} def pasrse_page(res): print('<进程%s> parse %s' %(os.getpid(),res['url'])) parse_res='url:<%s> size:[%s] ' %(res['url'],len(res['text'])) with open('db.txt','a') as f: f.write(parse_res) if __name__ == '__main__': urls=[ 'https://www.baidu.com', 'https://www.python.org', 'https://www.openstack.org', 'https://help.github.com/', 'http://www.sina.com.cn/' ] p=Pool(3) res_l=[] for url in urls: res=p.apply_async(get_page,args=(url,),callback=pasrse_page) res_l.append(res) p.close() p.join() print([res.get() for res in res_l]) #拿到的是get_page的结果,其实完全没必要拿该结果,该结果已经传给回调函数处理了 ''' 打印结果: <进程3388> get https://www.baidu.com <进程3389> get https://www.python.org <进程3390> get https://www.openstack.org <进程3388> get https://help.github.com/ <进程3387> parse https://www.baidu.com <进程3389> get http://www.sina.com.cn/ <进程3387> parse https://www.python.org <进程3387> parse https://help.github.com/ <进程3387> parse http://www.sina.com.cn/ <进程3387> parse https://www.openstack.org [{'url': 'https://www.baidu.com', 'text': '<!DOCTYPE html> ...',...}] '''
import re from urllib.request import urlopen from multiprocessing import Pool def get_page(url,pattern): response=urlopen(url).read().decode('utf-8') return pattern,response def parse_page(info): pattern,page_content=info res=re.findall(pattern,page_content) for item in res: dic={ 'index':item[0].strip(), 'title':item[1].strip(), 'actor':item[2].strip(), 'time':item[3].strip(), } print(dic) if __name__ == '__main__': regex = r'<dd>.*?<.*?class="board-index.*?>(d+)</i>.*?title="(.*?)".*?class="movie-item-info".*?<p class="star">(.*?)</p>.*?<p class="releasetime">(.*?)</p>' pattern1=re.compile(regex,re.S) url_dic={ 'http://maoyan.com/board/7':pattern1, } p=Pool() res_l=[] for url,pattern in url_dic.items(): res=p.apply_async(get_page,args=(url,pattern),callback=parse_page) res_l.append(res) for i in res_l: i.get()
如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数
参考资料
http://www.cnblogs.com/linhaifeng/articles/6817679.html
https://www.jianshu.com/p/1200fd49b583
https://www.jianshu.com/p/aed6067eeac
明日默写：
import time
import random
from multiprocessing import Process, Queue
def consumer(q, name):
while True:
food = q.get()
if food == 'done': break
time.sleep(random.random())
print('{}吃了{}'.format(name, food))
def producer(q, name, food):
for i in range(10):
time.sleep(random.random())
print('{}生产了{}{}'.format(name, food, i))
q.put('{}{}'.format(food, i))
if __name__ == '__main__':
q = Queue()
p1 = Process(target=producer, args=(q, 'Egon', '泔水'))
p2 = Process(target=producer, args=(q, 'Yuan', '骨头鱼刺'))
p1.start()
p2.start()
Process(target=consumer, args=(q, 'alex')).start()
Process(target=consumer, args=(q, 'wusir')).start()
p1.join()
p2.join()
q.put('done')
q.put('done')