【03】Python系统编程 (全)
一、进程
1.进程
简单的说就是实现唱歌跳舞同时进行，那么就需要一个新的方法，叫做：多任务
2.多任务的概念
①简单地说，就是操作系统可以同时运行多个任务
②并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行
③就是说当cpu核心数量大于任务数量就是并行，反过来，就是并发
④依照的规则有时间片轮转，优先级调度
3.进程的创建-fork
①程序：编写完毕的代码，在没有运行的时候，称之为程序
②进程：正在运行着的代码，还有需要运行的环境等
③fork( )：
Python的os模块封装了常见的系统调用，其中就包括fork
import os
# 注意，fork函数，只在Unix/Linux/Mac上运行，windows不可以
pid = os.fork()
if pid == 0:
print('哈哈1')
else:
print('哈哈2')
# 程序执行到os.fork()时，操作系统会创建一个新的进程（子进程），然后复制父进程的所有信息到子进程中
# 然后父进程和子进程都会从fork()函数中得到一个返回值，在子进程中这个值一定是0，而父进程中是子进程的 id号
# 普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回
# getpid()是获取当前进程（主进程或子进程）的id、getppid()获取父进程的id
4.多进程修改全局变量
多进程中，每个进程中所有数据（包括全局变量）都各有拥有一份，互不影响，所以在修改全局变量的时候，两个变量相互独立
5.多次fork问题
下次遇到多进程就画图，再如：
os.fork() os.fork() os.fork() # 就变成了8个进程
在while True中，如果有os.fork()，程序一定崩，这就相当于fork炸弹，死循环创建进程
6.multiprocessing模块
①multiprocessing模块提供了一个Process类来代表一个进程对象
②跨平台的操作，fork只在linux下才有效，所以平时应该使用process,它是一个类
程序如下：
from multiprocessing import Process
import time
def test():
while True:
print("---test---")
time.sleep(1)
P = Process(target=test)
P.start() # 让这个进程开始执行test函数里的代码
while True:
print("---main---")
time.sleep(1)
说明：
# 创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动
# 这样创建进程比fork()还要简单
# join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步，这就与fork不同，需要等子进程结束，主进程才可以结束
7.Process语法结构
Process([group [, target [, name [, args [, kwargs]]]]])
①target：表示这个进程实例所调用对象；
②args：表示调用对象的位置参数元组；
③kwargs：表示调用对象的关键字参数字典；
④name：为当前进程实例的别名；
⑤group：大多数情况下用不到；
8.Process类常用方法
①is_alive()：判断进程实例是否还在执行；
②join([timeout])：是否等待进程实例执行结束，或等待多少秒；
③start()：启动进程实例（创建子进程）；
④run()：如果没有给定target参数，对这个对象调用start()方法时，就将执行对象中 的run()方法；
⑤terminate()：不管任务是否完成，立即终止；
9.Process类常用属性
①name：当前进程实例别名，默认为Process-N，N为从1开始递增的整数；
②pid：当前进程实例的PID值
③进程的创建-Process子类：
创建新的进程还能够使用类的方式，可以自定义一个类，继承Process类，每次实例化这个类的时候，就等同于实例化一个进程对象
如果想知道程序的运行时间，可以用开始和结束的time.time()两个时间差，就代表运行时间
10.进程池pool
①当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程
②但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法
P0 = Pool(3) # 定义一个进程池，最大进程数3
for i in range(0,10):
# Pool.apply_async(要调用的目标,(传递给目标的参数元组,))（非堵塞式）
# Pool.apply(worker,(i,)) （堵塞式），主进程卡在这里，需要等子进程完成才能添加
# 每次循环将会用空闲出来的子进程去调用目标
P0.apply_async(worker,(i,)) # work是一个函数
P0.close() # 关闭进程池，关闭后po不再接收新的请求
P0.join() # 等待po中所有子进程执行完成，必须放在close语句之后
11.多种创建进程的方式比较
os.fork()中，子进程和父进程可以都执行，而且父进程可以不必等待子进程结束
p = process(target=xxx) p.start() # 子进程和父进程都可执行 pool = Pool(3) pool.apply_async(xxx) # 主进程一般用来等待，真正的任务都在子进程中执行
12.进程间通信-Queue
①Process之间有时需要通信，操作系统提供了很多机制来实现进程间的通信。
②Queue的使用：
可以使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序
队列：先进先出
栈：先进后出
初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）
from multiprocessing import Queue
q = Queue(3) # 初始化一个Queue对象，最多可接收三条put消息
try:
q.put_nowait("消息4")
except:
print("消息列队已满，现有消息数量:%s"%q.qsize())
Queue.qsize()：返回当前队列包含的消息数量；
Queue.empty()：如果队列为空，返回True，反之False；
Queue.full()：如果队列满了，返回True,反之False；
Queue.get([block[, timeout]])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True
Queue.get_nowait()：相当Queue.get(False)；应该把它放在try里面
Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True
③进程池中的Queue：
如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()
13.孤儿进程和僵尸进程
①孤儿进程：是指父进程结束，但子进程还未结束，通常的情况下父进程可以清除子进程 的垃圾，表示子进程没人收尸了
②僵尸进程：是指子进程结束了，父进程还未结束
③一般在操作系统中，0号进程负责切换任务，1号进程负责生子进程，并负责打理孤儿进程
二、线程
1.多线程threading
python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便的被使用
2.进程和线程的关系
①线程是进程里面一种真正执行代码的东西，类似进程里面的箭头
②进程是资源分配的单位，线程是cpu调度的单位
③进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ
④线程，能够完成多任务，比如 一个QQ中的多个聊天窗口
⑤定义的不同：
进程是系统进行资源分配和调度的一个独立单位.
线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位
线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈), 但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源
⑥区别：
一个程序至少有一个进程,一个进程至少有一个线程
线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高
进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
线程不能够独立执行，必须依存在进程中
⑦优缺点：
线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反
3.多线程执行
import threading
import time
def saySorry():
print("Python才是最好的语言")
time.sleep(1)
if __name__ == "__main__":
for i in range(5):
t = threading.Thread(target=saySorry)
t.start() # 启动线程，即让线程开始执行
说明：
# 可以明显看出使用了多线程并发的操作，花费时间要短很多
# 创建好的线程，需要调用start()方法来启动
# 主线程会等待所有的子线程结束后才结束
4.线程执行代码的封装
①通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用threading模块时，往往会定义一个新的子类class，只要继承threading.Thread就可以了，然后重写 run方法
②python的threading.Thread类有一个run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。而创建自己的线程实例后，通过Thread类的start方法，可以启动该线程，交给python 虚拟机进行调度，当该线程获得执行的机会时，就会调用run方法执行线程
③多线程程序的执行顺序与多进程类似，都是不确定的
5.总结
①每个线程一定会有一个名字，尽管上面的例子中没有指定线程对象的name，但是python会自动为线程指定一个名字。
②当线程的run()方法结束时该线程完成。
③无法控制线程调度程序，但可以通过别的方式来影响线程调度的方式
6.多线程-共享全局变量
①在一个进程内的所有线程共享全局变量，能够在不适用其他方式的前提下完成多线程之间的数据共享（这点要比多进程要好）
②缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全），在线程中，不能同时对全局变量进行修改，解决办法是轮流让线程进行修改
7.同步
①多线程开发可能遇到的问题
②假设两个线程t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次， num的最终的结果应该为20。但是由于是多线程访问，答案可能不一样，所以在修改时， 就要让其修改完再轮到下一个线程来修改
③什么是同步：
同步就是协同步调，按预定的先后次序进行运行。如:你说完，我再说，"同"字从字面上 容易理解为一起动作其实不是，"同"字应是指协同、协助、互相配合
④解决问题的思路：
系统调用t1，然后获取到num的值为0，此时上一把锁，即不允许其他现在操作num
对num的值进行+1解锁，此时num的值为1，其他的线程就可以使用num了，而且是 num的值不是0而是1
同理其他线程在对num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程 中不允许其他线程访问，就保证了数据的正确性
8.互斥锁
①当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制
②某个线程要更改共享数据时，先将其锁定，此时资源的状态为锁定，其他线程不能更改；直到该线程释放资源，将资源的状态变成非锁定，其他的线程才能再次锁定该资源。互斥锁保证了每次 只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性
③threading模块中定义了Lock类，可以方便的处理锁定:
# 创建锁 mutex = threading.Lock() # 锁定 mutex.acquire([blocking]) # 释放 mutex.release()
④如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止（如果没有指定，那么默认为True）如果设定blocking为False，则当前线程不会堵塞
⑤上锁解锁过程:
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为 “blocked” 状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进 入 “unlocked”状态。
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（ running）状态。
⑥总结:
锁的好处：
确保了某段关键代码只能由一个线程从头到尾完整地执行
锁的坏处：
阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了
由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时， 可能会造成死锁
9.多线程-非共享数据
①对于全局变量，在多线程中要格外小心，否则容易造成数据错乱的情况发生
②在多线程开发中，全局变量是多个线程都共享的数据，而局部变量等是各自线程的，是非共享的
10.死锁
①举个例子：就好比是现实社会中，男女双方都在等待对方先道歉
②在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁
③避免死锁：
# 程序设计时要尽量避免（银行家算法）
# 添加超时时间等
if mutex.acquire(2):
11.同步应用
可以使用互斥锁完成多个任务，有序的进程工作，这就是线程的同步
12.生产者与消费者模式
①Python的Queue模块中提供了同步的、线程安全的队列类，包括FIFO（先入先出)队列 Queue，LIFO（后入先出）队列LifoQueue，和优先级队列PriorityQueue
②这些队列都实现了锁原语（可以理解为原子操作，即要么不做，要么就做完），能够在多线程中直接使用
③可以使用队列来实现线程间的同步
④Queue的说明：
对于Queue，在多线程通信之间扮演重要的角色
添加数据到队列中，使用put()方法
从队列中取数据，使用get()方法
判断队列中是否还有数据，使用qsize()方法
队列就是用来给生产者和消费者解耦的
13.ThreadLocal
在多线程环境下，每个线程都有自己的数据。一个线程使用自己的局部变量比使用全局变量好，因为局部变量只有线程自己能看见，不会影响其他线程，而全局变量的修改必须加锁一个thread.local()变量虽然是全局变量，但每个线程都只能读写自己线程的独立副本，互不干扰。thread.local()解决了参数在一个线程中各个函数之间互相传递的问题
14.异步
①同步调用就是你喊你朋友吃饭，你朋友在忙，你就一直在那等，等你朋友忙完了，你们一起去
②异步调用就是你喊你朋友吃饭，你朋友说知道了，待会忙完去找你 ，你就去做别的了
pool.apply_async(func=test,callback=test2) # callback是回调
三、进程整理代码
1. getpid()、getppid()
import os
rpid = os.fork()
if rpid<0:
print("fork调用失败")
elif rpid == 0:
print("我是子进程（%s），我的父进程是（%s）"%(os.getpid(),os.getppid()))
x+=1
else:
print("我是父进程（%s），我的子进程是（%s）"%(os.getpid(),rpid))
print("父子进程都可以执行这里的代码")
2.多进程修改全局变量
import os
import time
num = 0
# 注意，fork函数，只在Unix/Linux/Mac上运行，windows不可以
pid = os.fork()
if pid == 0:
num+=1
print('哈哈1---num=%d'%num)
else:
time.sleep(1)
num+=1
print('哈哈2---num=%d'%num)
3.进程的创建-Process子类
from multiprocessing import Process
import time
import os
# 继承Process类
class Process_Class(Process):
# 因为Process类本身也有__init__方法，这个子类相当于重写了这个方法，
# 但这样就会带来一个问题，我们并没有完全的初始化一个Process类，所以就不能使用从这个类继承的一些方法和属性，
# 最好的方法就是将继承类本身传递给Process.__init__方法，完成这些初始化操作
def __init__(self,interval):
Process.__init__(self)
self.interval = interval
# 重写了Process类的run()方法
def run(self):
print("子进程(%s) 开始执行，父进程为（%s）"%(os.getpid(),os.getppid()))
t_start = time.time()
time.sleep(self.interval)
t_stop = time.time()
print("(%s)执行结束，耗时%0.2f秒"%(os.getpid(),t_stop-t_start))
if __name__=="__main__":
t_start = time.time()
print("当前程序进程(%s)"%os.getpid())
p1 = Process_Class(2)
# 对一个不包含target属性的Process类执行start()方法，就会运行这个类中的run()方法，所以这里会执行p1.run()
p1.start()
p1.join()
t_stop = time.time()
print("(%s)执行结束，耗时%0.2f"%(os.getpid(),t_stop-t_start))
4.进程池pool
from multiprocessing import Pool
import os,time,random
def worker(msg):
t_start = time.time()
print("%s开始执行,进程号为%d"%(msg,os.getpid()))
# random.random()随机生成0~1之间的浮点数
time.sleep(random.random()*2)
t_stop = time.time()
print(msg,"执行完毕，耗时%0.2f"%(t_stop-t_start))
po=Pool(3) # 定义一个进程池，最大进程数3
for i in range(0,10):
# Pool.apply_async(要调用的目标,(传递给目标的参数元祖,))
# 每次循环将会用空闲出来的子进程去调用目标
po.apply_async(worker,(i,))
print("----start----")
po.close() # 关闭进程池，关闭后po不再接收新的请求
po.join() # 等待po中所有子进程执行完成，必须放在close语句之后
print("-----end-----")
5.进程Queue的读写
from multiprocessing import Process, Queue
import os, time, random
# 写数据进程执行的代码:
def write(q):
for value in ['A', 'B', 'C']:
print 'Put %s to queue...' % value
q.put(value)
time.sleep(random.random())
# 读数据进程执行的代码:
def read(q):
while True:
if not q.empty():
value = q.get(True)
print 'Get %s from queue.' % value
time.sleep(random.random())
else:
break
if __name__=='__main__':
# 父进程创建Queue，并传给各个子进程：
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 启动子进程pw，写入:
pw.start()
# 等待pw结束:
pw.join()
# 启动子进程pr，读取:
pr.start()
pr.join()
# pr进程里是死循环，无法等待其结束，只能强行终止:
print '' "
print '所有数据都写入并且读完'
四、线程整理代码
1.多线程
import threading
from time import sleep,ctime
def sing():
for i in range(3):
print("正在唱歌...%d"%i)
sleep(1)
def dance():
for i in range(3):
print("正在跳舞...%d"%i)
sleep(1)
if __name__ == '__main__':
print('---开始---:%s'%ctime())
t1 = threading.Thread(target=sing)
t2 = threading.Thread(target=dance)
t1.start()
t2.start()
# sleep(5) # 屏蔽此行代码，试试看，程序是否会立马结束？
print('---结束---:%s'%ctime())
2.多线程-共享全局变量
from threading import Thread
import time
g_num = 100
def work1():
global g_num
for i in range(3):
g_num += 1
print("----in work1, g_num is %d---"%g_num)
def work2():
global g_num
print("----in work2, g_num is %d---"%g_num)
print("---线程创建之前g_num is %d---"%g_num)
t1 = Thread(target=work1)
t1.start()
# 延时一会，保证t1线程中的事情做完
time.sleep(1)
t2 = Thread(target=work2)
t2.start()
3.死锁
import threading
import time
class MyThread1(threading.Thread):
def run(self):
if mutexA.acquire():
print(self.name+'----do1---up----')
time.sleep(1)
if mutexB.acquire():
print(self.name+'----do1---down----')
mutexB.release()
mutexA.release()
class MyThread2(threading.Thread):
def run(self):
if mutexB.acquire():
print(self.name+'----do2---up----')
time.sleep(1)
if mutexA.acquire():
print(self.name+'----do2---down----')
mutexA.release()
mutexB.release()
mutexA = threading.Lock()
mutexB = threading.Lock()
if __name__ == '__main__':
t1 = MyThread1()
t2 = MyThread2()
t1.start()
t2.start()
4.生产者和消费者模式
import threading
import time
# python2中
from Queue import Queue
# python3中
# from queue import Queue
class Producer(threading.Thread):
def run(self):
global queue
count = 0
while True:
if queue.qsize() < 1000:
for i in range(100):
count = count +1
msg = '生成产品'+str(count)
queue.put(msg)
print(msg)
time.sleep(0.5)
class Consumer(threading.Thread):
def run(self):
global queue
while True:
if queue.qsize() > 100:
for i in range(3):
msg = self.name + '消费了'+queue.get()
print(msg)
time.sleep(1)
if __name__ == '__main__':
queue = Queue()
for i in range(500):
queue.put('初始产品'+str(i))
