一：僵尸进程与孤儿进程(面试会问到)
主进程需要等待子进程结束后，主进程才结束，主进程时刻监测子进程的运行状态，当子进程结束之后，过一段时间将子进程回收
1.为什么主进程不在子进程结束后立马对其回收呢？
- 主进程与子进程是异步关系，主进程无法捕获子进程什么时候结束
- 如果子进程结束之后马上释放资源，主进程就无法监测子进程的状态（子进程立马死掉，不热乎了就没办法了）
2.unix 针对上面的内容提供了一个机制
所有子进程结束后，立马释放掉文件的操作链接，内存的大部分数据，但是会保留一个内容 ：进程号、结束时间、运行状态
3.僵尸进程
所有的子进程结束之后，在被主进程回收之前，都会进入僵尸状态
4.僵尸进程有无危害
如果父进程不对子进程进行回收，产生大量的僵尸进程，这样就会占用内存，占用进程 pid 号
5.孤儿进程
父进程由于某种原因结束了，但是你的子进程还在运行中，这样你的子进程就成为了孤儿进程，但是如果你的父进程结束了，你的所有孤儿进程就会被 init 进程回收，对你进行回收
init 就是充当了生活中的孤儿院
6.僵尸进程如何解决（直接杀死父进程）
父进程产生大量子进程，但是不作为不回收，这样就会形成大量的僵尸进程，解决方式就是直接杀死父进程，将所有的僵尸进程变成孤儿进程，由 init 回收
二：互斥锁(保证数据安全,自己加锁容易死锁)
三个同事 同时用一个打印机打印内容.
三个进程模拟三个同事, 输出平台模拟打印机.
版本一
存在的问题 : 现在是所有进程并发的抢占打印机,并发是以效率优先,并发是以效率优先的,但是我们现在是以顺序优先的,多个进程抢占一个资源时必须保证资源,要保证顺序优先,串行,一个一个来
from multiprocessing import Process
import time
import os
import random
def task1():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1,3))
print(f"{os.getpid()}打印结束了")
def task2():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1, 3))
print(f"{os.getpid()}打印结束了")
def task3():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1, 3))
print(f"{os.getpid()}打印结束了")
if __name__ == '__main__':
p1 = Process(target = task1)
p2 = Process(target = task2)
p3 = Process(target = task3)
p1.start()
p2.start()
p3.start()
"""
8067开始打印了
8068开始打印了
8069开始打印了
8068打印结束了
8067打印结束了
8069打印结束了
一个字概括 乱
"""
**版本二 : **
利用了 join 解决了串行问题,保证了顺序优先,但是这个谁先谁后是固定的,这样是不对的,你在争抢同一个资源时,顺序应该是不固定的……所以引出了下面的互斥锁
from multiprocessing import Process
import time
import os
import random
def task1():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1,3))
print(f"{os.getpid()}打印结束了")
def task2():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1, 3))
print(f"{os.getpid()}打印结束了")
def task3():
print(f"{os.getpid()}开始打印了")
time.sleep(random.randint(1, 3))
print(f"{os.getpid()}打印结束了")
if __name__ == '__main__':
p1 = Process(target = task1)
p2 = Process(target = task2)
p3 = Process(target = task3)
p1.start()
p1.join()
p2.start()
p2.join()
p3.start()
p3.join()
"""
9026开始打印了
9026打印结束了
9031开始打印了
9031打印结束了
9038开始打印了
9038打印结束了
lock 与 join 的区别：
共同点 ：都可以将并发变成串行，保证了执行顺序
不同点： join 是人为设定顺序，lock 让其争抢顺序，保证了公平性
from multiprocessing import Process
from multiprocessing import Lock
import time
import os
import random
def task1(p,lock):
lock.acquire()
print(f'{p}开始打印了')
time.sleep(random.randint(1,3))
print(f'{p}打印结束了')
lock.release()
def task2(p,lock):
lock.acquire()
print(f'{p}开始打印了')
time.sleep(random.randint(1,3))
print(f'{p}打印结束了')
lock.release()
def task3(p,lock):
lock.acquire()
print(f'{p}开始打印了')
time.sleep(random.randint(1,3))
print(f'{p}打印结束了')
lock.release()
if __name__ == '__main__':
mutex = Lock()
p1 = Process(target = task1,args = ('p1',mutex))
p2 = Process(target = task1,args = ('p2',mutex))
p3 = Process(target = task1,args = ('p3',mutex))
p1.start()
p2.start()
p3.start()
'''
p1开始打印了
p1打印结束了
p2开始打印了
p2打印结束了
p3开始打印了
p3打印结束了
'''
三:进程之间的通信
1.基于文件通信(抢票系统)
主要是一个操作系统
- 先可以查票,查询余票数 并发
- 进行购买,向服务端发送请求,服务端接收请求,在后端将票数减一,返回到前端
- 补充一个知识点,json 中,字典所有的都是双引号
但是当多个进程共抢一个数据时,如果要保证数据的安全,必须要串行.
要想让购买环节进行串行,加锁
下面进入加锁环节
from multiprocessing import Process
from multiprocessing import Lock
import time
import os
import random
import json
def search():
time.sleep(random.randint(1,3))
with open('ticket.json',mode = "r",encoding = "utf-8")as f1:
dic = json.load(f1)
print(f"{os.getpid()}查看了票数,剩余{dic['count']}")
def paid():
with open('ticket.json', encoding="utf-8")as f1:
dic = json.load(f1)
if dic['count'] > 0:
dic['count'] -= 1
time.sleep(random.randint(1, 3))
with open('ticket.json', mode="w", encoding="utf-8")as f1:
json.dump(dic,f1)
print(f"{os.getpid()}购买成功")
def task(lock):
search()
lock.acquire()
paid()
lock.release()
if __name__ == '__main__':
mutex = Lock()
for i in range(6):
p = Process(target = task,args = (mutex,))
p.start()
'''
75543查看了票数,剩余1
75544查看了票数,剩余1
75548查看了票数,剩余1
75545查看了票数,剩余1
75543购买成功
75546查看了票数,剩余0
75547查看了票数,剩余0
''''
总结:当很多资源共抢一个资源数据时,你要保证顺序(数据的安全),一定要串行
互斥锁:可以公平性的保证顺序以及数据的安全
基于文件进程之间的通信 : 效率低,自己加锁麻烦,而且很容易出现死锁
2.基于队列通信
队列 : 把队列理解成一个容器,这个容器可以加载一些数据
- 共享的空间
- 内存空间
- 自动帮我们处理好锁定问题
Queue的特性 : 先进先出 FIFO
from multiprocessing import Queue
q = Queue()
def func():
print('in func')
q.put(1)
q.put("胖")
q.put([1,2,3,4])
q.put(func)
print(q.get())
print(q.get())
print(q.get())
print(q.get())
'''
1
胖
[1, 2, 3, 4]
<function func at 0x109c1ba60>
'''
from multiprocessing import Queue
q = Queue(3)
q.put(1)
q.put("alex")
q.put([1,2,3])
q.put(555) # 当队列满了时,在进程 put 就会阻塞
print(q.get())
print(q.get())
print(q.get())
print(q.get()) # 当数据取完时,在进程get数据也会出现阻塞,直到某一个进程put数据.
'''
阻塞之后就直接不运行了,但是不报错
'''
block
from multiprocessing import Queue
q = Queue(3)
q.put(1)
q.put('alex')
q.put([1,2,3])
print(q.get())
print(q.get())
print(q.get())
print(q.get(block = False ))
'''
只要遇到 block = False 阻塞就会报错
'''
timeout
from multiprocessing import Queue
q = Queue(3)
q.put(1)
q.put('alex')
q.put([1,2,3])
print(q.get())
print(q.get())
print(q.get())
print(q.get(timeout = 3))
'''
阻塞 3 秒 3秒之后还阻塞就报错
'''
队列存成数据间沟通的消息时,数据量不应该过大
maxsize 的值超过内存限制,将变得毫无意义
3.基于管道通信
生产者消费模型
from multiprocessing import Process,Queue
import time
import os
import random
def producer(q,name):
for i in range(1,6):
time.sleep(random.randint(1,2))
res = f"{i}号包子"
q.put(res)
print(f"生产者{name}生产了{res}")
def consumer(q,name):
while 1:
try:
food = q.get(timeout=3)
time.sleep(random.randint(1, 3))
print(f"消费者{name}吃了{food}")
except Exception:
return
if name == 'main':
q = Queue()
p1 = Process(target = producer,args=(q,'坤坤'))
p2 = Process(target = consumer,args=(q,'海狗'))
p1.start()
p2.start()
'''
生产者坤坤生产了1号包子
消费者海狗吃了1号包子
生产者坤坤生产了2号包子
生产者坤坤生产了3号包子
消费者海狗吃了2号包子
生产者坤坤生产了4号包子
消费者海狗吃了3号包子
生产者坤坤生产了5号包子
消费者海狗吃了4号包子
消费者海狗吃了5号包子
'''