进击のpython
并发编程——重要方法
前面提到的方法都是比较基本的，比较基础
这个小节我们着重了解一下以下几个方法：
1.守护进程
2.互斥锁
3.队列
守护进程
守护进程，就有点像古时候的封建奴隶制下的皇上与太监，皇上死了，太监就得陪着殉葬，守护着皇上
守护进程就是这样的关系，当主进程结束，守护进程随之消失
守护进程一般是怎么用呢？如果我们有两个进程并发执行，那我们就可以开一个主进程，再开一个子进程
但是呢，如果我们开的这个子进程在主进程结束之后就没什么用了，那这个时候就建议用守护进程了
p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程
当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程
必须在p.start()之前设置
from multiprocessing import Process
def func(name, *args, **kwargs):
print(f'{name}执行了')
pass
if __name__ == '__main__':
p = Process(target=func, args=('子进程',))
# p.daemon = True
p.start()
print('我是主进程... ...')
正常开启子进程，都不是守护进程，由于声明之后还要有一段时间才能执行子进程
所以先打印 “我是主进程... ...” ，再打印 “子进程被执行了”
但是当我把注释的语句打开，p就变成了守护进程（注意，是在start上面）
由于还是主进程会先打印，就会导致，子进程还没打印就陪葬了
就只会打印“我是主进程... ...”
互斥锁
首先啊，原则上进程之间是不能够相互通信的，但是捏，进程之间还是共享一套文件资源的
所以访问同一个文件或者同一个打印终端，是没有问题的
但是计算机是贪婪地，有共享，就会有竞争
有竞争，如果没有限制，没有秩序，就会混乱
import time
from multiprocessing import Process
def func(name, *args, **kwargs):
print(f'{name}正在执行.. ..')
time.sleep(2)
print(f'{name}执行完毕！')
pass
if __name__ == '__main__':
for i in range(3):
p = Process(target=func, args=(f'进程{i}',))
p.start()
我想达到的效果是不是应该是
进程0正在执行.. ..
进程0执行完毕！
进程1正在执行.. ..
进程1执行完毕！
进程2正在执行.. ..
进程2执行完毕！
而实际情况打印的是：
进程1正在执行.. ..
进程0正在执行.. ..
进程2正在执行.. ..
进程1执行完毕！
进程0执行完毕！
进程2执行完毕！
这就出现了竞争（多打印几次，还会出现别的结果）
就好像你去上厕所，但是大家都不排队，你挤进去了，别人还往里挤
还有的时候开门看看你，所以为了解决这个问题，我们一般都在卫生间加把锁
上厕所的时候锁一下门，我不完事，谁也别想进来
是对于程序也是，加一个锁，就让程序变得有序了
其实也就相当于把并发变成了串行，诚然降低了效率，但是保证了数据的安全
import time
from multiprocessing import Process, Lock
def func(name, lock, *args, **kwargs):
lock.acquire()
print(f'{name}正在执行.. ..')
time.sleep(2)
print(f'{name}执行完毕！')
lock.release()
pass
if __name__ == '__main__':
lock = Lock()
for i in range(3):
p = Process(target=func, args=(f'进程{i}', lock))
p.start()
lock = Lock(),对象的实例化，实例化出一个锁
然后锁，有关锁（acquire）就有开锁（release）
这样就保证某个子进程在用打印的时候，别的子进程只能在外面等待，就达到了我们的目的
抢票系统
这个经典的例子也可以通过这个抢票系统来帮助理解
首先所有人都可以查票，如果有票就可以买
我们可以先写一下
import json
from multiprocessing import Process
def search(name, *args, **kwargs):
msg = json.load(open('db.json'))
print(f'{name}查看票数，当前有{msg["count"]}张')
pass
def get(name, *args, **kwargs):
msg = json.load(open('db.json'))
if msg["count"] > 0:
msg["count"] -= 1
json.dump(msg, open('db.json', 'w'))
print(f'{name}买到票了，当前有{msg["count"]}张')
def main(name):
search(name)
get(name)
if __name__ == '__main__':
for i in range(1, 5):
p = Process(target=main, args=(f"第{i}个人",))
p.start()
json.dump({'count': 1}, open("db.json", 'w'))
执行一下
第2个人查看票数，当前有1张
第2个人买到票了，当前有0张
第4个人查看票数，当前有1张
第3个人查看票数，当前有1张
第4个人买到票了，当前有0张
第3个人买到票了，当前有0张
第1个人查看票数，当前有1张
第1个人买到票了，当前有0张
问题出现了，只有一张票，但是我们却卖出去四张
这是不对的，应该是查询大家一起查，买票只能一个一个买
所以可以这样：
import json
import time
from multiprocessing import Process, Lock
def search(name, *args, **kwargs):
msg = json.load(open('db.json'))
print(f'{name}查看票数，当前有{msg["count"]}张')
pass
def get(name,lock, *args, **kwargs):
lock.acquire()
msg = json.load(open('db.json'))
if msg["count"] > 0:
msg["count"] -= 1
json.dump(msg, open('db.json', 'w'))
print(f'{name}买到票了，当前有{msg["count"]}张')
else:
print(f'{name}没买到票！')
lock.release()
def main(name,lock):
time.sleep(1) # 模拟网络延迟
search(name)
get(name,lock)
if __name__ == '__main__':
lock = Lock()
for i in range(1, 5):
p = Process(target=main, args=(f"第{i}个人",lock))
p.start()
json.dump({'count': 1}, open("db.json", 'w'))
输出结果就是我们想的那样了，只有一个人买到了
第2个人查看票数，当前有1张
第2个人买到票了，当前有0张
第4个人查看票数，当前有0张
第4个人没买到票！
第3个人查看票数，当前有0张
第3个人没买到票！
第1个人查看票数，当前有0张
第1个人没买到票！
横向对比join方法，在刚开始的时候我们也利用join方法进行了等待的操作
我们看看用join怎么做
import json
import time
from multiprocessing import Process, Lock
def search(name, *args, **kwargs):
msg = json.load(open('db.json'))
print(f'{name}查看票数，当前有{msg["count"]}张')
pass
def get(name, lock, *args, **kwargs):
lock.acquire()
msg = json.load(open('db.json'))
if msg["count"] > 0:
msg["count"] -= 1
json.dump(msg, open('db.json', 'w'))
print(f'{name}买到票了，当前有{msg["count"]}张')
else:
print(f'{name}没买到票！')
lock.release()
def main(name, lock):
time.sleep(1) # 模拟网络延迟
search(name)
get(name, lock)
if __name__ == '__main__':
lock = Lock()
for i in range(1, 5):
p = Process(target=main, args=(f"第{i}个人", lock))
p.start()
p.join()
发现也可以达到我哦们想要的效果，但是查票的过程也变成串行了
很明显大家查票时应该是并发地去查询而无需考虑数据准确与否
此时join与互斥锁的区别就显而易见了：
join是将一个任务整体串行，而互斥锁的好处则是可以将一个任务中的某一段代码串行
比如只让main函数中的get任务串行
队列
进程彼此之间互相隔离，要实现进程间通信（IPC）
multiprocessing模块支持两种形式：队列和管道，这两种方式都是使用消息传递的
是消息传递，不是大数据！
看一下队列中有什么
class Queue(object):
def __init__(self, maxsize=-1):
self._maxsize = maxsize
maxsize：可放入的允许的最大项数，如果不设置，默认无限
但是队列是基于内存的，真正的无限其实取决于内存
def qsize(self):
return 0
def empty(self):
return False
def full(self):
return False
def put(self, obj, block=True, timeout=None):
pass
def put_nowait(self, obj):
pass
def get(self, block=True, timeout=None):
pass
def get_nowait(self):
pass
def close(self):
pass
def join_thread(self):
pass
def cancel_join_thread(self):
pass
队列的方法大概是上述这些
put()：往队列里放信息
get()：从队列里拿数据
empty()：判断队列是否为空
full()：判断队列满没满
同时也要记住，队列是“先进先出”
当队列满了，再往里放，就会阻塞
当队列空了，再往外取，也会阻塞
from multiprocessing import Queue
q = Queue(3)
q.put(1)
q.put(2)
q.put(3)
print(q.full())
print(q.get())
print(q.get())
print(q.get())
print(q.empty())
可以看到打印出来的是1 2 3
因为我们放的顺序就是1 2 3