【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))