网络编程基础---并发编程----Manager(共享字典，列表)---joinabelqueue----进程池---回调函数

生产者消费者模型：

1 程序中有两类角色
     一类负责生产数据(生产者) 一类负责处理数据(消费者)

2 引入生产者消费者模型的目的：
    平衡生产者 与 消费者之间的 速度差

3 如何实现：
    生产者---队列----消费者  (解耦合)

 

1  joinablequeue:

 

 

 

from multiprocessing import Process,JoinableQueue
import time,random

def producer(name,q,food):
    for i in range(1,10):
        time.sleep(0.2)
        res='%s 制作的第%s %s'%(name,i,food)
        q.put(res)
    q.join()   # 等到队列里面没有内容
def consumer(name,q):
    while True:
        res=q.get()
        if not res:break
        print('%s 吃了 %s'%(name,res))
        q.task_done()  #  取一次 次数减一

if __name__=='__main__':
    q=JoinableQueue()
    p1=Process(target=producer,args=('egon',q,'baozi'))
    p2=Process(target=producer,args=('alex',q,'baozi'))
    p3=Process(target=producer,args=('elen',q,'baozi'))
    c1=Process(target=consumer,args=('a',q))  #共享的q
    c2=Process(target=consumer,args=('b',q))  #共享的q
    p1.start()
    p2.start()
    p3.start()

    c1.daemon=True
    c2.daemon=True  # 消费者随着生产者执行结束   守护进程---

    c1.start()
    c2.start()

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

 

2 .Manager:

 

from multiprocessing import Manager,Process,Lock

def work(d,lock):
    with lock:
        d['count']-=1

if __name__=='__main__':

    m=Manager()
    d=m.dict({'count':50})     # Manager 创建共享字典
    # d=m.list()
    lock=Lock()

    p_l=[]
    for i in range(20):
        p=Process(target=work,args=(d,lock))
        p_l.append(p)
        p.start()
    for p in p_l:
        p.join()

    print(d)

 

 

 

3.同步异步 --- 阻塞非阻塞：

同步调用---指的是提交任务的方式 ==== apply 提交晚任务 原地等待任务结束

阻塞(进程的一种状态)---遇到IO就阻塞--剥夺cpu执行权限

异步调用---提交完任务后 不会在原地等待 会继续提交下一个任务

非阻塞(进程处于 运行状态 或者 就绪状态)

 

4.进程池：

              ===================== 进程池 ==================

                        并发量不高-----大并发下不能使用

from multiprocessing import Pool       # 开进程 控制进程的数量
import time,os,random

def work(n):
    print('%s i working '%os.getpid())
    time.sleep(random.randint(1,2))  #  阻塞时间
    return n

if __name__=='__main__':

    p=Pool(4)   # 四个进程  进程池   一共只有四个进程--- 一个完成任务 接着 去做另一个任务
    obj_ls=[]

    for i in range(10):
        # res=p.apply(work,args=(i,))        # 同步调用 等待任务结束 拿到结果---- 提交启动进程任务 p= Process(target=work) -- p.start()
        # print(res)
        obj=p.apply_async(work,args=(i,))    # 异步调用---只不断的提交任务到  进程池 开进程 ----并不拿结果
        obj_ls.append(obj)
        # print(obj.get()) # 等待结果

    p.close()  # 关闭apply_async请求
    p.join()  # 等待进程池结束

    for obj in obj_ls:
        print(obj.get())

 

5  回调函数：

 

import requests
import os
from multiprocessing import Pool,Process

def get(url):
    print('%s get %s'%(os.getpid(),url))
    response = requests.get(url)
    if response.status_code==200:
        return {'url':url,'text':response.text}

def parse(data):
    print(os.getpid(),data)
    res='%s :%s\n' %(data['url'],len(data['text']))
    with open('demo.txt','a') as f:
        f.write(res)


if __name__=='__main__':
    urls=['https://www.baidu.com',
         'https://www.hao123.com',
         'http://cn.bing.com/?mkt=zh-CN&mkt=zh-CN&mkt=zh-CN&mkt=zh-CN&mkt=zh-CN&mkt=zh-CN',
         ]
    p=Pool()
    url_ls=[]
    for url in urls:
        url_ls.append(p.apply_async(get,args=(url,),callback=parse)) # 主进程 负责回调函数
                                  #  get函数的返回值-->> 作为parse函数的参数
    p.close()
    p.join()