第三十二天- 管道 进程池
1.管道
进程间通信（IPC）方式二：管道（不推荐使用，了解即可），端口易导致数据不安全的情况出现。
1 from multiprocessing import Pipe,Process 2 3 4 def func(conn1,conn2): 5 msg = conn1.recv() # 接收了conn2传递的 6 # msg1 = conn2.recv() # 接收了conn1传递的 7 print('>>>',msg) 8 # print('>>>',msg1) 9 10 11 if __name__ == '__main__': 12 # 拿到管道的两端，双工通信方式，两端都可以收发消息 13 conn1,conn2 = Pipe() # 必须在Process之前产生管道 14 p = Process(target=func,args=(conn1,conn2,)) # 管道给子进程 15 p.start() 16 conn1.send('hello') 17 conn1.close() 18 conn2.send('小子') 19 conn2.close() 20 21 print('进程结束') 22 23 # 注意管道不用了就关闭防止异常
2.共享数据
进程之间数据共享的模块之一Manager模块(少用)：
进程间数据是独立的，可以借助于队列或管道实现通信，二者都是基于消息传递的虽然进程间数据独立，但可以通过Manager实现数据共享：
1 from multiprocessing import Manager,Process,Lock 2 3 4 def func1(dic,loc): 5 # loc.acquire() # 不加锁易出错 6 dic['num'] -= 1 7 # loc.release() 8 9 10 if __name__ == '__main__': 11 m = Manager() 12 loc = Lock() 13 dic = m.dict({'num':100}) 14 p_list = [] 15 for i in range(100): 16 p = Process(target=func1, args=(dic,loc)) 17 p_list.append(p) 18 p.start() 19 20 [pp.join() for pp in p_list] 21 22 print('>>>>>',dic['num']) 23 # 共享时不加锁，很可能导致同一个数据被多个子进程取用，数据是不安全的,且超多进程消耗大量资源易导致卡死.
多进程共同去处理共享数据的时候，就和我们多进程同时去操作一个文件中的数据是一样的，不加锁就会出现错误的结果，进程不安全的，所以也需要加锁。
总结：进程间应该尽量避免通信，即便需要通信，也应该选择进程安全的工具来避免加锁带来的问题。
3.进程池 Pool
创建进程需要消耗时间，销毁进程（空间，变量，文件信息等等的内容）也需要消耗时间。开启成千上万的进程，操作系统无法让他们同时执行，维护一个很大的进程列表的同时，调度的时候，还需要进行切换并且记录每个进程的执行节点，也就是记录上下文（各种变量等等乱七八糟的东西，虽然你看不到，但是操作系统都要做），这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程，这就需要用到进程池：
定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。
创建方法：
Pool([numprocess [,initializer [, initargs]]]):创建进程池
参数介绍：
1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值 2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None 3 initargs：是要传给initializer的参数组
常用方法：
p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。 '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()''' p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。 '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。''' p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成 P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用 主要方法介绍
1 import time 2 from multiprocessing import Process,Pool 3 4 5 def func1(i): 6 num = 0 7 for j in range(5): 8 num += i 9 10 11 if __name__ == '__main__': 12 pool = Pool(6) # 创建进程池 13 14 p_list = [] 15 start_time = time.time() 16 for i in range(500): 17 p = Process(target=func1,args=(i,)) 18 p_list.append(p) 19 p.start() 20 21 [pp.join() for pp in p_list] 22 end_time = time.time() 23 print('耗时：',end_time-start_time) 24 25 s_time = time.time() 26 pool.map(func1,range(500)) # map 27 e_time = time.time() 28 print('耗时：',e_time - s_time) # 耗时远远小于直接开500进程
apply同步方法：
1 from multiprocessing import Process,Pool 2 import time 3 4 5 def func1(i): 6 num = 0 7 for j in range(3): 8 num += i 9 time.sleep(1) 10 print(num) 11 return num 12 13 14 if __name__ == '__main__': 15 pool = Pool(6) 16 17 for i in range(10): 18 res = pool.apply(func1,args=(i,)) # apply 进程同步/串行方法 效率低，不常用 19 # print(res)
apply_async异步方法：
1 from multiprocessing import Process,Pool 2 import time 3 4 5 def func1(i): 6 num = 0 7 for j in range(5): 8 num += i 9 time.sleep(1) 10 # print('>>>>>',num) 11 return num 12 13 14 if __name__ == '__main__': 15 pool = Pool(6) 16 17 red_list = [] 18 for i in range(10): 19 res = pool.apply_async(func1,args=(i,)) 20 red_list.append(res) 21 22 pool.close() # 不是关闭，只是锁定进程池，告诉主进程不会再添加数据进去 23 pool.join() # 等待子程序执行完 24 25 for ress in red_list: 26 print(ress.get()) # get方法取出返回值num 按添加顺序取出已保存在缓存区的结果 所以是顺序打印出的
回调函数：运用时注意一点，回调函数的形参执行有一个，如果你的执行函数有多个返回值，那么也可以被回调函数的这一个形参接收，接收的是一个元祖，包含着你执行函数的所有返回值。
1 from multiprocessing import Pool,Process 2 import time,os 3 4 5 def func1(n): 6 # print('子进程的pid：',os.getpid()) 7 return n*n 8 9 10 def func2(i): 11 res = i**2 12 # print('callback的pid：',os.getpid()) 13 print(res) 14 return res 15 16 17 if __name__ == '__main__': 18 pool = Pool(4) 19 pool.apply_async(func1,args=(3,),callback=func2) # callback把前面的返回值作参数传给后面 20 # print('主进程的pid：',os.getpid()) # 主进程执行了callback 21 pool.close() 22 pool.join()
4.总结
进程之间的通信：队列、管道、数据共享也算
信号量和事件也相当于锁，也是全局的，所有进程都能拿到这些锁的状态，进程之间这些锁啊信号量啊事件啊等等的通信，其实底层还是socekt，只不过是基于文件的socket通信，而不是跟上面的数据共享啊空间共享啊之类的机制，我们之前学的是基于网络的socket通信，socket的两个家族，一个文件的一个网络的，所以如果说这些锁之类的报错，可能你看到的就是类似于socket的错误。工作中常用的是锁，信号量和事件不常用，但是信号量和事件面试的时候会问到(做了解)
