4-[多进程]-互斥锁、Queue队列、生产者消费者

时间:2023-12-15 16:37:08

1.互斥锁

(1)为什么需要互斥锁

进程之间数据不共享,但是共享同一套文件系统,所以访问同一个文件,或同一个打印终端,是没有问题的,
而共享带来的是竞争,竞争带来的结果就是错乱,如下

  

#并发运行,效率高,但竞争同一打印终端,带来了打印错乱
from multiprocessing import Process
import os,time
def work():
print('%s is running' %os.getpid())
time.sleep(2)
print('%s is done' %os.getpid()) if __name__ == '__main__':
for i in range(3):
p=Process(target=work)
p.start()

4-[多进程]-互斥锁、Queue队列、生产者消费者

(2)如何加锁

 如何控制,就是加锁处理。而互斥锁的意思就是互相排斥,

如果把多个进程比喻为多个人,互斥锁的工作原理就是多个人都要去争抢同一个资源:卫生间,一个人抢到卫生间后上一把锁,其他人都要等着,等到这个完成任务后释放锁,其他人才有可能有一个抢到......

所以互斥锁的原理,就是把并发改成穿行,降低了效率,但保证了数据安全不错乱

  

#由并发变成了串行,牺牲了运行效率,但避免了竞争
from multiprocessing import Process,Lock
import os,time
def work(lock):
lock.acquire() #加锁
print('%s is running' %os.getpid())
time.sleep(2)
print('%s is done' %os.getpid())
lock.release() #释放锁
if __name__ == '__main__':
lock=Lock()
for i in range(3):
p=Process(target=work,args=(lock,))
p.start()

4-[多进程]-互斥锁、Queue队列、生产者消费者

2、模拟抢票练习

  (1)多个进程共享同一文件,我们可以把文件当数据库,用多个进程模拟多个人执行抢票任务

4-[多进程]-互斥锁、Queue队列、生产者消费者

#文件db.txt的内容为:{"count":1}
#注意一定要用双引号,不然json无法识别
from multiprocessing import Process
import time,json def search(name):
dic=json.load(open('db.txt'))
time.sleep(1)
print('\033[43m%s 查到剩余票数%s\033[0m' %(name,dic['count'])) def get(name):
dic=json.load(open('db.txt'))
time.sleep(1) #模拟读数据的网络延迟
if dic['count'] >0:
dic['count']-=1
time.sleep(1) #模拟写数据的网络延迟
json.dump(dic,open('db.txt','w'))
print('\033[46m%s 购票成功\033[0m' %name) def task(name):
search(name)
get(name) if __name__ == '__main__':
for i in range(10): #模拟并发10个客户端抢票
name='<路人%s>' %i
p=Process(target=task,args=(name,))
p.start()

并发运行,效率高,但竞争写同一文件,数据写入错乱,只有一张票,卖成功给了10个人

4-[多进程]-互斥锁、Queue队列、生产者消费者

(2)加锁处理:购票行为由并发变成了串行,牺牲了运行效率,但保证了数据安全

4-[多进程]-互斥锁、Queue队列、生产者消费者

4-[多进程]-互斥锁、Queue队列、生产者消费者    4-[多进程]-互斥锁、Queue队列、生产者消费者

  4-[多进程]-互斥锁、Queue队列、生产者消费者

4、互斥锁与join

join方法:可以将并发变成串行,join是将一个任务整体串行,
互斥锁的原理:也是将并发变成串行,互斥锁的好处则是可以将一个任务中的某一段代码串行,比如只让task函数中的get任务串行 join将并发改成穿行,确实能保证数据安全,但问题是连查票操作也变成只能一个一个人去查了,
很明显大家查票时应该是并发地去查询而无需考虑数据准确与否,
此时join与互斥锁的区别就显而易见了

  4-[多进程]-互斥锁、Queue队列、生产者消费者

4-[多进程]-互斥锁、Queue队列、生产者消费者  4-[多进程]-互斥锁、Queue队列、生产者消费者

5、互斥锁总结

4-[多进程]-互斥锁、Queue队列、生产者消费者

4-[多进程]-互斥锁、Queue队列、生产者消费者

6、队列的使用Queue

进程彼此之间互相隔离,要实现进程间通信(IPC),
multiprocessing模块支持两种形式:队列和管道,这两种方式都是使用消息传递的

  

创建队列的类(底层就是以管道和锁定的方式实现):
Queue([maxsize]):创建共享的进程队列,Queue是多进程安全的队列,可以使用Queue实现多进程之间的数据传递。
参数介绍:
maxsize是队列中允许最大项数,省略则无大小限制。
但需要明确:
1、队列内存放的是消息而非大数据
2、队列占用的是内存空间,因而maxsize即便是无大小限制也受限于内存大小
主要方法介绍:
q.put方法用以插入数据到队列中。
q.get方法可以从队列读取并且删除一个元素。

  

  队列的使用

4-[多进程]-互斥锁、Queue队列、生产者消费者
4-[多进程]-互斥锁、Queue队列、生产者消费者

7、生产者消费者模型介绍

(1)为什么要使用生产者消费者模型

生产者指的是生产数据的任务,消费者指的是处理数据的任务,
在并发编程中,如果生产者处理速度很快,而消费者处理速度很慢,那么生产者就必须等待消费者处理完,才能继续生产数据。
同样的道理,如果消费者的处理能力大于生产者,那么消费者就必须等待生产者。
为了解决这个问题于是引入了生产者和消费者模式。

  

(2)什么是生产者和消费者模式

生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。
生产者和消费者彼此之间不直接通讯,而通过阻塞队列来进行通讯,
所以生产者生产完数据之后不用等待消费者处理,直接扔给阻塞队列,消费者不找生产者要数据,而是直接从阻塞队列里取, 阻塞队列就相当于一个缓冲区,平衡了生产者和消费者的处理能力。
这个阻塞队列就是用来给生产者和消费者解耦的

  4-[多进程]-互斥锁、Queue队列、生产者消费者

8、生产者消费者模型实现

(1)版本1:简易版

from multiprocessing import Process,Queue
import time # 生产者函数
def producer(name, q):
for i in range(5):
time.sleep(0.5)
print('生产者%s生产了 包子[%s]' % (name, i))
q.put('包子[%s]' % i) # 消费者函数
def consumer(name, q):
while True:
ret = q.get()
print('消费者%s吃了 %s' % (name, ret))
time.sleep(1) # 开启进程函数
if __name__ == '__main__':
q = Queue() # 生产者alex
p = Process(target=producer, args=('alex', q)) # 消费者jack
c = Process(target=consumer, args=('jack', q)) p.start()
c.start()

4-[多进程]-互斥锁、Queue队列、生产者消费者

4-[多进程]-互斥锁、Queue队列、生产者消费者

  (2)版本2:解决阻塞问题

4-[多进程]-互斥锁、Queue队列、生产者消费者4-[多进程]-互斥锁、Queue队列、生产者消费者

  但上述解决方式,在有多个生产者和多个消费者时,我们则需要用一个很low的方式去解决,有几个消费者就需要发送几次结束信号:相当low,例如

4-[多进程]-互斥锁、Queue队列、生产者消费者

    4-[多进程]-互斥锁、Queue队列、生产者消费者

10、JoinableQueue([maxsize]):发送结束信号

其实我们的思路无非是发送结束信号而已,有另外一种队列提供了这种机制

JoinableQueue([maxsize])

这就像是一个Queue对象,但队列允许项目的使用者通知生成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。

参数介绍

maxsize是队列中允许最大项数,省略则无大小限制。

方法介绍

JoinableQueue的实例p除了与Queue对象相同的方法之外还具有:
q.task_done():使用者使用此方法发出信号,表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量,将引发ValueError异常
q.join():生产者调用此方法进行阻塞,直到队列中所有的项目均被处理。阻塞将持续到队列中的每个项目均调用q.task_done()方法为止
基于JoinableQueue实现生产者消费者模型

 

from multiprocessing import Process,Queue, JoinableQueue
import time # 生产者函数
def producer(name, q):
for i in range(3):
time.sleep(0.8)
print('生产者%s生产了 包子[%s]' % (name, i))
q.put('包子[%s]' % i)
q.join() # 等到消费者把自己放入队列中的所有的数据都取走之后,生产者才结束 # 消费者函数
def consumer(name, q):
while True:
time.sleep(1)
ret = q.get()
if ret is None:break
print('消费者%s吃了 %s' % (name, ret))
q.task_done() # 发送信号给q.join(),说明已经从队列中取走一个数据并处理完毕了 # 开启进程函数
if __name__ == '__main__':
q = JoinableQueue() # 生产者alex
p1 = Process(target=producer, args=('alex1', q))
p2 = Process(target=producer, args=('alex2', q))
p3 = Process(target=producer, args=('alex3', q)) # 消费者们jack
c1 = Process(target=consumer, args=('jack1', q))
c2 = Process(target=consumer, args=('jack2', q))
c1.daemon = True
c2.daemon = True # 设置守护进程 p1.start()
p2.start()
p3.start()
c1.start()
c2.start()
p1.join() # 等待生产者函数进程执行完成
p2.join() # 等待生产者函数进程执行完成
p3.join() # 等待生产者函数进程执行完成

4-[多进程]-互斥锁、Queue队列、生产者消费者

11、总结

4-[多进程]-互斥锁、Queue队列、生产者消费者