Python并发编程之进程

一、理论概念
　　1、定义

　　　　进程（Process 也可以称为重量级进程）是程序的一次执行。在每个进程中都有自己的地址空间、内存、数据栈以及记录运行的辅助数据，它是系统进行资源分配和调度的一个独立单位。

　　2、并行和并发

　　　　并行：并行是指多个任务同一时间执行；

　　　　并发：是指在资源有限的情况下，两个任务相互交替着使用资源；

　　3、同步和异常

　　　　同步是指多个任务在执行时有一个先后的顺序，必须是一个任务执行完成另外一个任务才能执行；

　　　　异步是指多个任务在执行时没有先后顺序，多个任务可以同时执行；
　　4、同步/异步/阻塞/非阻塞/

　　　　同步阻塞：这个阻塞的形成效率是最低的；比如你在下载一个东西是，你一直盯着下载进度条，到达100%时下载完成；

　　　　　　　　同步体现在：你等待下载完成通知；

　　　　　　　　阻塞体现在：等待下载的过程中，不能做别的事情

　　　　同步非阻塞：你在下载东西时，你把任务提交后就去干别的事情了，只是每过一段时间就看一下是不是下载完成；

　　　　　　　　同步体现在：等待下载完成通知；

　　　　　　　　非阻塞提现在：等待下载完成通知过程中，去干别的事情了，只是时不时会瞄一眼进度条；

　　　　异步阻塞：你在下载东西时换了一个现在使用的客户端比如迅雷，下载完成后会有一个提示音，但是这时候你仍然一直在等待那个完成后的提示音；

　　　　　　　　异步体现在：下载完成时有提示音；

　　　　　　　　阻塞体现在：等待下载完成提示音时，不做任何事情；

　　　　异步非阻塞：你然然使用的是迅雷下载软件，这时候你把下载任务提交后就去干别的事情去了，当你听到‘叮’以后就知道下载完成；

　　　　　　　　异步体现在：下载完成叮一声完成通知

　　　　　　　　非阻塞体现在：等待下载完成“叮”一声通知过程中，去干别的任务了，只需要接收“叮”声通知即可；

二、进程的创建与结束
　　multiprocessing模块：multiprocess不是一个模块而是python中一个操作、管理进程的包。 之所以叫multi是取自multiple的多功能的意思,在这个包中几乎包含了和进程有关的所有子模块。由于提供的子模块非常多，为了方便大家归类记忆，我将这部分大致分为四个部分：创建进程部分，进程同步部分，进程池部分，进程之间数据共享。

　　Process模块的各种方法介绍

复制代码
Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）

强调：
1. 需要使用关键字的方式来指定参数
2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号

参数介绍：
group参数未使用，值始终为None
target表示调用对象，即子进程要执行的任务
args表示调用对象的位置参数元组，args=(1,2,'egon',)
kwargs表示调用对象的字典,kwargs={'name':'egon','age':18}
name为子进程的名称
p.start()：启动进程，并调用该子进程中的p.run(www.yongshiyule178.com) 
p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法  
p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁
p.is_alive():如果p仍然运行，返回True
p.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程
复制代码
　　在windows中使用process注意事项：

　　　　在Windows操作系统中由于没有fork(linux操作系统中创建进程的机制)，在创
4000
建子进程的时候会自动 import 启动它的这个文件，而在 import 的时候又执行了整个文件。因此如果将process()直接写在文件中就会无限递归创建子进程报错。所以必须把创建子进程的部分使用if __name__ ==‘__main__’ 判断保护起来，import 的时候 ，就不会递归运行了。

　　process模块创建进程：

 创建第一个进程
　　多个进程同时运行，子进程的执行顺序不是根据启动的顺序来决定的；

 多个进程同时运行
　　另一种开启进程的方法，继承process的形式

 继承的方式开启进程
　　守护进程：会随着主进程的结束而结束，进程之间是相互独立的，主进程的代码运行结束，守护进程也会随即结束

 守护进程
 

三、进程同步（multiprocessing.Lock\www.huarenyl.cn/ Spemaphore\Event）
　　锁（Lock)：

　　　　资源是有限的，多个进程如果对同一个对象进行操作，则有可能造成资源的争用，甚至导致死锁，在并发进程中就可以利用锁进行操作来避免访问的冲突；

　　　　加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，但是速度就变慢了，但牺牲了速度却保证了数据安全。

　　　　虽然可以用文件共享数据实现进程间通信，但问题是：

　　　　　　1.效率低（共享数据基于文件，而文件是硬盘上的数据）

　　　　　　2.需要自己加锁处理
 

　　　　我们可以模拟一个火车抢票的过程，当过个客户同时对一个程序发起访问时，假设此时有5张票，有10个人抢

 抢火车票
　　信号量：

　　　　信号量Semaphore是同时允许一定数量的线程更改数据 。

 信号量
　　事件：

用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

    事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。
　　　　　　　　　　　　clear：将“Flag”设置为False
　　　　　　　　　　　　set：将“Flag”设置为True
 事件/红绿灯实例
四、进程间通信---队列和管道
　　队列Queue：适用于多线程编程的先进先出数据结构，可以用来安全的传递多线程信息。

　　通过队列实现了 主进程与子进程的通信 子进程与子进程之间的通信

q=Queue(10)     #实例化一个对象，允许队列对多10个元素
q.put()         #放入队列
q.get()         #从队列中取出
　　假设现在有一个队伍，队伍里最多只能站5个人，但是有15个人想要进去

 队列实例
　　管道（Pipes）

 管道
　　数据共享：

　　　　队列和管道只是实现了数据的传递，还没有实现数据的共享，如实现数据共享，就要用到Managers（注：进程间通信应该尽量避免使用共享数据的方式）

复制代码
from multiprocessing import Process,Manager
import os

def f(dict1,list1):
dict1[os.getpid()] = os.getpid() # 往字典里放当前PID
list1.append(os.getpid()) # 往列表里放当前PID
print(list1)

if __name__ == "__main__":
with Manager() as manager:
d = manager.dict(www.longboshyl.cn) #生成一个字典，可在多个进程间共享和传递
l = manager.list(range(5)) #生成一个列表，可在多个进程间共享和传递
p_list = [] 
for i in range(10):
p = Process(target=f,args=(d,l))
p.start()
p_list.append(p) # 存进程列表 
for res in p_list: 
res.join()
print('\n%s' %d) #若要保证数据安全，需要加锁lock=Lock()

 
复制代码
　　进程池

　　　　对于需要使用几个甚至十几个进程时,我们使用Process还是比较方便的,但是如果要成百上千个进程,用Process显然太笨了,multiprocessing提供了Pool类,即现在要讲的进程池,能够将众多进程放在一起,设置一个运行进程上限,每次只运行设置的进程数,等有进程结束,再添加新的进程

Pool(processes =num):设置运行进程数,当一个进程运行完,会添加新的进程进去
apply_async：异步，串行
apply：同步，并行
close():关闭pool,不能再添加新的任务
复制代码
复制代码
import os
import time
import random
from multiprocessing import Pool
from multiprocessing import Process
def func(i):
    i += 1

if __name__ == '__main__':
    p = Pool(5)          # 创建了5个进程
    start = time.time()
    p.map(func,range(1000))  
    p.close()                        # 是不允许再向进程池中添加任务
    p.join()                        #阻塞等待 执行进程池中的所有任务直到执行结束
    print(time.time() - start)
    start = time.time()
    l = []
    for i in range(1000):
        p = Process(target=func,args=(i,www.dashuju178.com))  # 创建了一百个进程
        p.start()
        l.append(p)
    [i.join() for i in l]
    print(time.time() - start)

回调函数：
复制代码
复制代码
import os
import time
from multiprocessing import Pool
# 参数 概念 回调函数
def func(i):    # 多进程中的io多，分出去一部分
    print('子进程%s:%s'%(i,os.getpid()))
    return i*'*'

def call(arg):   # 回调函数是在主进程中完成的，不能传参数，只能接受多进程中函数的返回值
    print('回调 ：www.365soke.cn',os.getpid())
    print(arg)

if __name__ == '__main__':
    print('主进程',os.getpid())
    p = Pool(5)
    for i in range(10):
        p.apply_async(func,args=(i,),callback=call)  #callback 回调函数 ：主进程执行 参数是子进程执行的函数的返回值
    p.close()
    p.join()