守护进程
1、守护进程的概念
进程指的是一个正在运行的程序，守护进程也是一个普通进程
意思就是一个进程可以守护另一个进程
import time from multiprocessing import Process def task(): print("子进程 走起！！！") time.sleep(5) print("子进程 挂掉了") if __name__ == '__main__': print("主进程 走起！！！") p = Process(target=task) p.daemon = True # 将子进程设置为守护进程 p.start() time.sleep(3) print("主进程 挂掉了") # --1）如果设置为守护进程，那么主进程一旦结束，那么子进程立马也结束（代码终止执行） # --2）如果没有设置为守护进程，那么主进程结束执行完代码之后，子进程还会继续执行子进程里面的代码
2、结论
如果a 是 b 的守护进程，那么 b 就是被守护的进程， b要是（代码运行完毕）死 ，a也会跟着死
守护进程在主进程代码运行结束之后就死了
3、使用场景
父进程交给了子进程一个任务，任务还没有完成父进程就结束了，子进程就没有继续执行的意义了
例如qq接到一个视频文件，于是开启了一个子进程来下载，如果中途退出了qq，下载任务就没必要继续执行了
互斥锁（重点）
为什么需要互斥锁
当我们同时开启几个子进程的时候，而这几个子进程又要同时操作一个资源（文件或者控制台）,
将会导致数据的错乱问题（谁先抢到谁打印，数据混乱看不懂）
解决方案1：
加join （就是每开一个子进程，就加一个join，限制后面的子进程不能开启）
弊端：
--1、把原本并发的任务变成了串行，避免了数据错乱问题，但是效率降低了，
而且是执行完第一个子进程才开启第二个子进程，都放在主程序也是同样效果，没必要开子进程
--2、原本多个进程之间公平竞争，join执行的顺序是定死的，不合理
解决法案2：
给公共资源加锁（互斥锁）
互斥锁，字面理解就是互相排斥的锁，在程序中指的是，如果这个资源已经被锁住了，其他进程就无法使用
需要强调的是：锁，并不是真正的把资源锁起来，只是在代码里加限制，限制你的代码不能执行
import time,random from multiprocessing import Process,Lock def task1(lock): lock.acquire() # 上锁 print('任务一 走起') time.sleep(random.randint(0,2)) print('任务一 结束') lock.release() # 解锁 def task2(lock): lock.acquire() print('任务二 走起') time.sleep(random.randint(0,2)) print('任务二 结束') lock.release() def task3(lock): lock.acquire() print('任务三 走起') time.sleep(random.randint(0,2)) print('任务三 结束') lock.release() if __name__ == '__main__': lock = Lock() p1 = Process(target=task1,args=(lock,)) p2 = Process(target=task2,args=(lock,)) p3 = Process(target=task3,args=(lock,)) p1.start() p2.start() p3.start()
注意：
--1、不要对同一代码执行多次acquire，会锁死程序无法执行，一次acquire必须对应一次release
（一次加锁相当于在代码做一次判断，判断成功改状态，再加锁又相当于做一次判断，判断就会失败，锁死）
--2、想要保证数据安全，必须保证所有进程使用同一把锁
（如果每个进程拿到的锁都不一样，那么判断的条件就不会同步）
锁和join的区别
1、join是固定了执行顺序，会造成父进程等待子进程
锁依然是公平竞争，谁先抢到谁先执行，父进程也可以执行其他任务
2、最主要的区别：
join是把进程的所有任务全部串行
锁可以所以任意代码，一行也可以，可以自己调整粒度 粒度(指的是被锁住代码的大小，越小效率越快)
IPC
IPC就是进程间通讯，通讯指的是交换数据
进程之间的内存是相互隔离的，当一个进程想要把数据给另外一个进程，就需要考虑到IPC
IPC方式：
管道：只能单向通讯(一边读，一边写)，数据都是二进制
文件：在硬盘上创建共享文件
优点：硬盘的空间大，所以共享的数据量几乎没有限制
缺点：硬盘读取速度慢
socket：编程复杂度高
共享内存： 必须由操作系统来分配 （必须掌握）
优点：速度快
缺点：数据量不能太大
共享内存的方式
1、Manager类
Manager提供了很多数据结构，如list，dict等等（可以在源码中看到）
Manager所创建出来的数据结构，具备进程间共享的特点
from multiprocessing import Manager,Process,Lock import time def task(dic,lock): lock.acquire() # 这里如果不加锁的话，可能出现多个进程刚取出来的值都是100，然后修改完都是99 nums = dic["nums"] # time.sleep(2) # 所有进程拿到100睡2秒，最后修改的数据就是99 dic["nums"] = nums - 1 lock.release() if __name__ == '__main__': lock = Lock() m = Manager() # 创建一个manager对象 dic = m.dict({"nums":100}) # 括号里需要的是一个映射关系，帮我们生成一个进程间共享的字典 for i in range(5): p = Process(target=task,args=(dic,lock)) p.start() time.sleep(10) print(dic["nums"])
需要注意的是：manager创建的一些数据结构是不带锁的，可能会出现同时修改一个数据的情况，会出问题，不推荐使用、
2、Queue队列 帮我们处理了锁的问题 （重点）
队列是一种特殊的数据结构，先存储的先取出，就像排队，先进的先出
相反的就是堆栈，先存取的后取出，就像把衣服叠进箱子，取的时候先取后叠进去的
函数嵌套调用时，执行的顺序也是先进后出，也称之为函数栈
from multiprocessing import Queue q = Queue(maxsize=3) # 创建一个队列，里面的参数表示的是队列的容量，如果不写默认无限大 # 存数据 q.put() 放进去 q.put("a") q.put("b") q.put("c") # q.put("d") # 如果队列里面已经满了，你还继续往里放，他就会进入阻塞状态，一直等到队列有空位置把数据放进去 # 取数据 q.get() 拿出来 print(q.get()) print(q.get()) print(q.get()) # print(q.get()) # 同样的，如果队列里面已经空了，你还继续取，它也会进入阻塞状态，一直等到队列里有数据然后取出来 q.get(block=True,timeout=2) # 里面block参数表示的是是否阻塞，默认True（阻塞）,当设置为False时，并且队列为空时会立马抛出异常 q.put("aaa",block=True,timeout=2) # 里面block参数表示的是是否阻塞，默认True（阻塞）,当设置为False时，并且队列为满时会立马抛出异常 # timeout 表示的时阻塞的超时时间，超过时间还是没有位置或着空的话就会抛出异常
生产者消费者模型 （重点）
1、概念
模型 就是解决某个问题的套路
产生数据的一方称之为生产者
处理数据的一方称之为消费者
例如：饭店厨师就是生产者，吃饭的人就是消费者
2、生产者和消费者产生的问题
生产者和消费者，处理速度不平衡，一方快一方慢，导致一方需要等待另一方再能接着往下执行
3、生产者消费者模型解决这个问题的思路
原本，双方是耦合在一起，消费者必须等待生产着生成完毕再开始处理，反过来，
如果消费者消费速度太慢，生产着必须等待其处理完毕才能开始生成下一个数据
4、解决的方案
将双方分开来，一方专门，负责生产，一方专门负责处理
一样一来，双方的数据就不能直接交互了，双方需要共同的容器
这样就解决了双方能力不平衡的问题，做的快的一方可以继续做，不需要等待另一方，提高了整体的运行效率
from multiprocessing import Process,Queue import time,random def eater(q): for i in range(5): time.sleep(random.randint(0, 2)) food = q.get() print("%s吃完了"%food) def cooker(q): for i in ["包子","骨头","土","面","刀子"]: time.sleep(random.randint(0, 2)) q.put(i) print("%s做好了"%i) if __name__ == '__main__': q = Queue() cp = Process(target=cooker,args=(q,)) ep = Process(target=eater,args=(q,)) cp.start() ep.start()