！！！不要高估自己！！！
昨日内容回顾：
进程理论
操作系统的调度算法
时间片轮转法
多级反馈队列
同步异步：任务的提交方式
同步：提交任务后原地等待任务的返回结果，才能进行下一步操作
异步：提交任务后不等待任务的返回结果，直接执行下一步操作
阻塞非阻塞：程序的执行状态
阻塞：阻塞态
非阻塞：运行或就绪态
需要掌握的是程序运行的三状态图
进程：正在运行的程序
多道技术：
空间上的复用
多个程序公用一套硬件设备
时间上的复用
CPU的来回切换：切换+保存状态
--程序占用CPU时间过长，会被操作系统强行剥夺走CPU执行权限
--程序接入io操作
input
网络请求 recv accept
time.sleep
文件读写
print
创建进程的两种方式（本质：在内存中申请一块独立的内存空间！！！）
windows下创建进程内部实现：以模块导入的方式，将代码copy到新申请的内存空间中
1.自己定义一个函数，调用Process传参（target=’自己写的函数名‘，args=(v1,)）
2.写一个类，继承Process，在里面固定写一个run方法
创建进程的开销比较大
1.申请内存空间
2.拷贝代码
join方法
让主进程等待子进程程序运行结束，不会影响子进程的执行过程！
会将并发变成串行
进程间数据是相互隔离的
如何验证：开一个子进程，修改主进程里面的数据，发现根本无法修改
进程对象的其他方法
查看进程id号
current_process（）.pid >>Process().pid
os.getpid()
terminate（） 主动发起杀死进程的操作
time.sleep(0.1)
is_alive() 判断进程是否存活
僵尸进程和孤儿进程
子进程结束后不会立即释放pid等资源信息
主进程释放子进程资源的两种情况：
主进程正常死亡
join方法
任何进程都会步入僵尸进程，当主进程不停的创建子进程的时候会有害
孤儿进程：主进程意外死亡
在Linux中有一个init，来帮我们回收孤儿进程资源
守护进程
主进程一旦运行完毕，子进程立即结束运行（唇亡齿寒）
互斥锁
为了保证多个程序操作同一份数据数据安全，而设置的一把锁（四人抢厕所）
如何创建锁：
from multiprocessing import Lock
mutex=Lock()
#抢锁
mutex.acquire()
#释放锁
mutex.release()
会将并发变成串行，虽然牺牲了效率，但是提高了数据的安全性
#注意：不要随意的加锁，只会在操作数据的部分加锁
模拟抢票
今日内容：
进程间通信IPC机制
队列：先进先出
堆栈：先进后出
本来进程之间是完全无法通信的，但是可以通过认为的干预，让他们实现通信
multiprocessing 中有一个组件Queue，就可以实现两个进程之间的通信
q=Queue()#一个实例化对象
q.put()#不写参数默认接收好多个
q.put(5)#接收5个数据
q.put()#多放一个会出现阻塞，会一直在原地等待
q.full()#判断队列是否满了！
q.get()#取数据，get一次就是取一次
q.get_nowait()#如果超过了存放的数据，会报错queue.empty
q.get()#如果超过了存放的数据，会一直在原地等待数据传过来，会出现阻塞
q.empty()#判断进程是否为空，但是在并发的情况下这个判断的并不准确
可能一个数据刚产生就被拿走，判断为空，但是下一秒又会满
#基于队列实现线程间通信
from multiprocessing import Process
def producer(q):
q.put('hello')
def constumer(q):
print(q.get())
if __name__=='__main__':
q=Queue()
p=Process(target=producer,args=(q,))
c=Process(target=constumer,args(q,))
p.start()
c.start()
#队列：先进先出
#堆栈：先进后出
#基于队列实现进程间通信
from multiprocessing import Queue
q=Queue(5) #产生一个队列 就相当于产生了一个容器 （）不写参数，可以放好多个
# a=Queue(5) #产生一个最多能够存放五个的数据的队列
# q.put(1)
# q.put(2)
# q.put(3)
# print(q.full())
# q.put(4)
# q.put(5)
# # q.put(6)#往队列中存放数据，如果存放的数据个数大于队列最大存储个数，程序会阻塞
# print(q.full()) #判断队列是否满了？
# for i in range(6):
# q.put(i) #也夯住了
#存取数据，侧重点是取！！
for i in range(5):
q.put(i) #for循环往队列里面存放数据
print(q.get())#取数据，get一次就是取一次
print(q.get())
print(q.get())
q.get_nowait() #在队列有数据的情况下和get取值一样，当队列没有数据的情况下，取值直接报错
print(q.empty()) #判断队列是否为空，需要注意的是在并发的情况下这个方法不准确
print(q.get())
print(q.get())
print(q.empty())
# q.get_nowait() #queue.Empty
# print(q.get())#如果队列为空，get会在原地等待队列中数据传过来
基于队列实现进程间通信
from multiprocessing import Process,Queue
def producer(q):
q.put('hello baby')
def consumer(q):
print(q.get())
if __name__ == '__main__':
q=Queue() #生成一个队列对象
p1=Process(target=producer,args=(q,))
c1=Process(target=consumer,args=(q,))
p1.start()
c1.start()
# print(q.get())
生产者消费者模型****
字面意思：
生产者：火锅店老板
消费者：吃火锅的人
没有任何信息交互的情况下：火锅店老板不知道要买多少菜才能解决今日的客户需求，只能自己估算
吃火锅的人也不知道今天火锅店有没有火锅可以吃，处于一个信息不互通的情况下
就会造成：吃火锅的人多，但是准备的菜少
准备的菜多，但是吃火锅的人少
为了解决这个问题，可以提供预约服务
程序中：
生产者：产生数据的
消费者：处理数据的
解决供需不平衡的问题：
可以将数据放在管道中，专门用来存放固定数量的数据
解决生产者和消费者不需要直接打交道，两者都通过队列实现数据传输
Queue：管道+锁
from multiprocessing import Queue,Process
import time,random
def producer(name,food,q):
for i in range(10):
data=print('%s 生产%s %s'%(name,food,i))
time.sleep(random.randint(1,3))
print(data)
q.put(data)
def constumer(name,q):
while True:
data=q.get()
time.sleep(random.randint(1,3))
print('%s 吃了%s'%(name,data))
if __name__=='__main__'：
q=Queue()
p1=Process(target=producer,args=('egon','baozi',q))
p2=Process(target=producer,args=('bob','rou',q))
c1=Process(target=constumer,args=('bob',q))
c2=Process(target=constumer,args=('bob',q))
p1.start()
p2.start()
c1.start()
c2.start()
'''
生产者消费者模型（爬虫）
生产者：做包子的 生产数据的
消费者：买包子的 处理数据的
解决供需不平衡的问题（做包子的做多了，买包子的人多了）
定义一个队列，用来存放固定数量的数据
解决生产者和消费者不需直接打交道，两者都通过队列实现数据传输
Queue：管道+锁
from multiprocessing import Queue,Process
import time,random
def producer(name,food,q):
for i in range(10):
data='%s生产了%s%s'%(name,food,i)
time.sleep(random.randint(1,3))
print(data)
q.put(data)
def consumer(name,q):
while True:
data=q.get() #
time.sleep(random.randint(1,3))
print('%s 吃了%s '%(name,data))
if __name__ == '__main__':
q=Queue()
p1=Process(target=producer,args=('egon','包子',q))
p2=Process(target=producer,args=('tank','生蚝',q))
c1=Process(target=consumer,args=('lll',q))
c2=Process(target=consumer,args=('yyy',q))
p1.start()
p2.start()
c1.start()
c2.start()
'''
# from multiprocessing import Queue,Process,JoinableQueue
# import time,random
#
# def pruducer(name,food,q):
# for i in range(3):
# data='%s生产了%s%s'%(name,food,i)
# time.sleep(random.randint(1,3))
# print(data)
# q.put(data)
#
# # pass
# def consumer(name,q):
# while True:
# data=q.get()
# if data is None:break
# time.sleep(random.randint(1,3))
# print('%s 吃了%s'%(name,data))
# q.task_done()#告诉你的队列，你已经将数据取并且处理完毕
#
# if __name__ == '__main__':
# q=JoinableQueue()
#
# # # p_list=[]
# # for i in range(2):
# # p=Process(target=pruducer,args=('name',i,q))
# # p.start()
# # # p_list.append(i)
# # for i in range(2):
# # c=Process(target=consumer,args=('lll',i,q))
# # c.start()
# p1=Process(target=pruducer,args=('egon','包子',q))
# p2=Process(target=pruducer,args=('tank','牛肉',q))
# c1=Process(target=consumer,args=('yyy',q))
# c2=Process(target=consumer,args=('mmm',q))
# p1.start()
# p2.start()
# # c1.daemon=True
# # c2.daemon=True
# c1.start()
# c2.start()
# #等待生产者生产完所有的数据
# p1.join()
# p2.join()
# #在生产者生产完数据之后往队列里面放一个提示性的消息，告诉消费者已经没有数据了，你走吧，不要等了
# # q.put(None)
# # q.put(None)
# q.join()#等待队列中数据全部取出
# print('zhu')
import time,random
from multiprocessing import Queue,Process,JoinableQueue
def producer(name,food,q):
for i in range(10):
res='%s%s'%(food,i)
time.sleep(random.randint(1,3)) #模拟生产者产生数据的时间
q.put(res)
print('厨师%s 生产了%s'%(name,res))
# q.put(None)#放在这里会出现有的消费者还没有吃完就让滚蛋的情况，应该放在所有数据的最后
def constumer(name,q):
while True:
# data=q.get() #没数据就一直在等待，处于阻塞,关键在于什么时候死
data = q.get()
# if data==None:break
time.sleep(random.randint(1,3)) #模拟消费者处理数据的时间
print('吃货%s吃了%s'%(name,data))
q.task_done()
if __name__ == '__main__':
q=JoinableQueue
# q=Queue()
#生产者们
p1=Process(target=producer,args=('egon','包子',q))
p2=Process(target=producer,args=('liuxx','肉',q))
#消费者们
c1=Process(target=constumer,args=('json',q))
c2=Process(target=constumer,args=('tank',q))
c1.daemon=True
c2.daemon=True #守护进程
#启动进程，一共有5个
p1.start()
p2.start()
c1.start()
c2.start()
# p1.join()
# p2.join()
# q.put(None)#有几个消费者就放几个none
# q.put(None)
p1.join()
p2.join()#生产者全部生产完了
q.join()#主进程等q结束，即q内的数据被取干净了
print('主')
线程理论
'''
工厂生产橡胶
车间和流水线的关系
1.什么是线程
进程：资源单位（占用的是内存空间独立的）
线程：执行单位（被CPU执行的）
注意：每一个进程中都会自带一个线程
2.为什么要有线程
开一个进程：
申请内存空间 耗时
将代码拷贝到申请的内存空间中 耗时
开线程：
不需要申请内存空间
不需要将代码拷贝到申请的内存空间
开线程的开销远远小于开进程的开销！！！
3.如何使用线程
'''
工厂生产橡胶
一个车间和里面的机器
车间：存放机器的，如果需要多个任务同时开始，就放多个机器
机器：生产具体的产品，需要资源就找车间要
什么是线程？
进程：资源单位（占用的是内存空间，彼此之间是独立的）
线程：执行单位（直接被CPU执行的）
注意：每一个进程都自带一个线程
创建线程的两种方式
1.自己定义一个函数，调用Thread传参（target=’自己写的函数名‘，args=(v1,)）
2.写一个类，继承Thread，在里面固定写一个run方法
注意：线程开启速度非常快，几乎代码执行完毕线程就会开启
所以会出现先打印子线程在打印主线程
'''
from threading import Thread
import time
def task(name):
print('%s is running'%name)
time.sleep(2)
print('%s is ending'%name)
if __name__ == '__main__':
t=Thread(target=task,args=('egon',))
t.start() #开启线程的速度超级快，几乎代码执行完毕线程就会开启
print('主')
'''
from threading import Thread
import time
class Mythread(Thread):
def __init__(self,name):
super().__init__()
self.name=name
def run(self):
print('%s is running'%self.name)
time.sleep(2)
print('%s is ending'%self.name)
if __name__ == '__main__':
t=Mythread('json')
t.start() #开启线程的速度超级快，几乎代码执行完毕线程就会开启
print('主')
join方法
让主线程等待子线程程序运行结束，不会影响子线程的执行过程！
会将并发变成串行
线程对象的其他属性和方法
active_count() #查看当前正在活跃的线程数
current_thread().name#查看线程和子线程
os.getpid()#查看线程id
守护线程
from threading import Thread
import time,random
def task(name):
print('%s is running'%name)
time.sleep(2)
print('%s is over'%name)
if __name__ == '__main__':
t=Thread(target=task,args=('aaa',))
t.daemon=True
t.start()
print('主')
主线程要等待所有非守护线程的结束才可以结束
线程间数据是否隔离？
数据共享
from threading import Thread
x=10
def task():
global x
x=666
t=Thread(target=task)
t.start()
t.join()
print(x)
线程互斥锁
from threading import Thread,Lock
import time
mutex=Lock()
n=100
def task():
global n
mutex.acquire()
temp=n
time.sleep(0.1) #模拟网络延迟
n=temp-1
mutex.release()
l_list=[]
for i in range(100):
t=Thread(target=task)
t.start()
l_list.append(t)
for t in l_list:
t.join()
print(n) #0
将并发变成串行