进程互斥锁(Lock)

相当于变成串行,牺牲了执行效率,保证了数据安全,在程序并发执行时,需要修改数据时使用

# 抢票软件
import json
import time
from multiprocessing import Process
from multiprocessing import Lock  # 引用进程互斥锁模块


# 查看余票
def search(user):
    # 打开data文件查看余票
    with open('data.txt', 'r', encoding='utf-8') as f:
        dic = json.load(f)
    print(f'用户{user}查看余票,还剩{dic.get("ticket_num")}...')


# 开始抢票
def buy(user):
    # 先打开获取车票数据
    with open('data.txt', 'r', encoding='utf-8') as f:
        dic = json.load(f)

    # 模拟网络延时
    time.sleep(1)

    # 若有票,修改data数据
    if dic.get("ticket_num") > 0:
        dic['ticket_num'] -= 1
        with open('data.txt', 'w', encoding='utf-8') as f:
            json.dump(dic, f)
        print(f'用户: {user}抢票成功!')

    else:
        print(f'用户: {user}抢票失败!')


# 开始抢票
def run(user, mutex):
    # 并发: 异步执行
    search(user)

    # 串行: 同步执行
    mutex.acquire()
    buy(user)
    mutex.release()


if __name__ == '__main__':
    # 调用Lock()类得到一个锁对象
    mutex = Lock()
    # 加锁:
    # mutex.acquire()
    # 释放锁:
    # mutex.release()

    # 同时来10个用户抢票
    for i in range(10):
        # 并发开启10个子进程
        p = Process(target=run, args=(f'用户{i}', mutex))
        p.start()

队列(Queue)

先进先出
相当于内存中产生一个队列空间
可以存放多个数据,但数据的顺序是由先进去的排在前面

堆栈: 先进后出

from multiprocessing import Queue


# 调用队列类,实例化队列对象 q
q = Queue(5)  # 若传参队列中可以存放5个数据
# q1 = Queue()  # 若不传参,队列中可以存放无限大的数据,前提硬件能更得上

# put添加数据,若队列中的数据满了,则卡住
q.put(1)
print('进入数据1')
q.put(2)
print('进入数据2')
q.put(3)
print('进入数据3')
q.put(4)
print('进入数据4')
q.put(5)
print('进入数据5')

# 查看队列是否满了
print(q.full())  # True

# 添加数据,若队列满了,则会报错
# q.put_nowait(6)

# q.get(): 获取的数据遵循 "先进先出",若队列中无数据可取,也会卡住
print(q.get())
print(q.get())
print(q.get())
print(q.get())
print(q.get())
# print(q.get())

# get_nowait: 获取数据,队列中若没有,则会报错
# print(q.get_nowait())


# 判断队列是否为空
print(q.empty())  # False
q.put(6)
print('进入数据6')
q.put_nowait(7)
q.put_nowait(8)
q.put_nowait(9)
q.put_nowait(10)

IPC(进程间通信)

进程间数据时相互隔离的,若想实现进程间通信,可以利用队列

from multiprocessing import Process
from multiprocessing import Queue


def test1(q):
    data = '数据hello'
    q.put(data)
    print('进程1开始添加数据到队列中..')


def test2(q):
    data = q.get()

    print(f'进程2从队列中获取数据{data}')


if __name__ == '__main__':
    q = Queue()

    p1 = Process(target=test1, args=(q, ))
    p2 = Process(target=test2, args=(q, ))

    p1.start()
    p2.start()

    print('主')

生产者与消费者

生产者: 生产数据
消费者: 使用数据

生活中: 比如卖油条,一边生产油条,一边卖油条,供需不平衡

程序中: 通过队列,生产者吧数据添加队列中,消费中从队列中获取数据

from multiprocessing import Queue, Process
import time


# 生产者
def producer(name, food, q):  # 生产名, 食物, 队列
    for i in range(9):
        data = food, i
        msg = f'用户{name}开始制作{data}'
        print(msg)
        q.put(data)
        time.sleep(0.1)


# 消费者
def consumer(name, q):
    while True:
        data = q.get()
        if not data:
            break
        print(f'用户{name}开始吃{data}')


if __name__ == '__main__':

    q = Queue()

    # 创造生产者
    p1 = Process(target=producer, args=('tank', '油条', q))
    p2 = Process(target=producer, args=('华农兄弟', '竹鼠', q))

    # 生产消费者
    c1 = Process(target=consumer, args=('egon', q))
    c2 = Process(target=consumer, args=('jason', q))

    p1.start()
    p2.start()

    c1.daemon = True
    c2.daemon = True

    c1.start()
    c2.start()

    p2.join()
    print('主')

线程

线程与进程都是虚拟单位,目的是为了更好的描述某种事物

进程: 资源单位
线程: 执行单位

开启一个进程,一定会有一个线程,线程才是真正执行者

为什么要使用线程

节省内存资源

开启进程:
1. 开辟一个名称空间,每开启一个进程都会占用一份内存资源
2. 会自带一个线程
开启线程
1. 一个进程可以开启多个线程
2. 线程的开销远小于线程

注意: 线程不能实现并行,线程只能实现并发,进程可以实现并行

比喻: 内存就像一个工厂,子进程就像一个工厂车间,线程就像车间内的流水线

线程之间数据是共享的

from threading import Thread
import time


# 开启线程方式1:
# def task():
#     print('线程开启')
#     time.sleep(1)
#     print('线程结束')
#
#
# # t = Thread()
# if __name__ == '__main__':
#     # 调用Thread线程类实例化得到线程对象
#     t = Thread(target=task)
#     t.start()
#

# 开启线程方式2:
class MyThread(Thread):
    def run(self):
        print('线程开启')
        time.sleep(1)
        print('线程结束')


t = MyThread()
t.start()

# if __name__ == '__main__':
#     t = MyThread()
#     t.start()

线程互斥锁:

from threading import Thread, Lock
import time

mutex = Lock()

n = 100


def task(i):
    print(f'线程{i}启动...')
    global n
    # mutex.acquire()
    temp = n
    time.sleep(0.1)  # 一共等待10秒
    n = temp-1
    print(n)
    # mutex.release()



if __name__ == '__main__':
    t_l=[]
    for i in range(100):
        t = Thread(target=task, args=(i, ))
        t_l.append(t)
        t.start()

    for t in t_l:
        t.join()

    # 100个线程都是在100-1
    print(n)

守护线程

from threading import Thread
from threading import current_thread
import time


def task():
    print(f'线程开启{current_thread().name}')
    time.sleep(3)
    print(f'线程结束{current_thread().name}')


# t = Thread()
if __name__ == '__main__':
    # 调用Thread线程类实例化得到线程对象
    # for i in range(3):
    #     t = Thread(target=task)
    #     t.start()
    # t = Thread(target=task)
    # print(t.isAlive())
    # t.daemon = True
    # t.start()
    # print(t.isAlive())
    # print(t.is_alive())

    t = Thread(target=task)
    t.daemon = True
    t.start()