进程间通信——队列和管道（multiprocess.Queue、multiprocess.Pipe）
在电脑的多个进程中，他们之间要想通讯需要使用IPC协议（Inter-Process Communication）
Queue([maxsize]) 创建共享的进程队列。 参数 ：maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。 底层队列使用管道和锁定实现。
Queue([maxsize]) 创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。另外，还需要运行支持线程以便队列中的数据传输到底层管道中。 Queue的实例q具有以下方法： q.get( [ block [ ,timeout ] ] ) 返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。 q.get_nowait( ) 同q.get(False)方法。 q.put(item [, block [,timeout ] ] ) 将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。 q.qsize() 返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。 q.empty() 如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。 q.full() 如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。。
q.close() 关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。 如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get（）操作上，关闭生产者中的队列不会导致get（）方法返回错误。 q.cancel_join_thread() 不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。 q.join_thread() 连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。
生产者消费者模型
非常典型的案例
# 矛盾 ： 解决 数据的供需不平衡
# 同步 生产数据 使用数据
# 异步 主进程 生产数据 子进程使用数据 —— 500个子进程去处理数据 生产过慢
# 异步 子进程 生产数据 子进程处理数据
# 3个子进程 生产泔水
# 2个子进程 吃泔水
# 生产的快 吃的慢 泔水溢出
# 生产的慢 吃得快 泔水不够吃
# 如果增加生产者 —— 让生产变快
# 减少生产者 —— 找一个容器放 约束容器的容量
import time
import random
from multiprocessing import Queue
from multiprocessing import Process
def producer(q,food):
for i in range(5):
q.put(‘%s-%s‘%(food,i))
print(‘生产了%s‘%food)
# time.sleep(random.randint(1,3))
time.sleep(random.random())
q.put(None)
q.put(None)
q.put(None)
def consumer(q,name):
while True:
food = q.get() # 生产者不生产还是生产的慢
if food == None:break
print(‘%s 吃了 %s‘%(name,food))
if __name__ == ‘__main__‘:
q = Queue()
p1 = Process(target=producer,args=(q,‘泔水‘))
p1.start()
p2 = Process(target=producer, args=(q, ‘骨头‘))
p2.start()
c1 = Process(target=consumer, args=(q, ‘A‘))
c1.start()
c2 = Process(target=consumer, args=(q, ‘B‘))
c2.start()
c3 = Process(target=consumer, args=(q, ‘C‘))
c3.start()
# 队列不会不安全
# 现在 通过queue
# 生产者消费者模型
#1.消费者要处理多少数据是不确定的
#2.所以只能用while循环来处理数据 ，但是while循环无法结束
#3.需要生产者发送信号
#4.有多少个消费者 就需要发送多少个信号
#5.但是发送的信号数量需要根据 生产者和消费者的数量进行计算，所以非常不方便
完善版
import time
import random
from multiprocessing import Process
from multiprocessing import JoinableQueue
# put q.join
# get 处理数据 task_done 消费完了
def producer(q,food):
for i in range(5):
q.put(‘%s-%s‘%(food,i))
print(‘生产了%s‘%food)
# time.sleep(random.randint(1,3))
time.sleep(random.random())
q.join() # 等待 消费者 把所有的数据都处理完
def consumer(q,name):
while True:
food = q.get() # 生产者不生产还是生产的慢
print(‘%s 吃了 %s‘%(name,food))
q.task_done()
if __name__ == ‘__main__‘:
q = JoinableQueue()
p1 = Process(target=producer,args=(q,‘泔水‘))
p1.start()
p2 = Process(target=producer, args=(q, ‘骨头‘))
p2.start()
c1 = Process(target=consumer, args=(q, ‘alex‘))
c1.daemon = True
c1.start()
c2 = Process(target=consumer, args=(q, ‘egon‘))
c2.daemon = True
c2.start()
c3 = Process(target=consumer, args=(q, ‘jin‘))
c3.daemon = True
c3.start()
p1.join() # 等待p1执行完毕
p2.join() # 等待p2执行完毕
# 生产者生产的数据全部被消费 —— 生产者进程结束 —— 主进程代码执行结束 —— 消费者守护进程结束
JoinableQueue 模块
在队列基础上增加了返回，task_done()返回执行完毕的信号
管道，不加锁的队列、会导致数据紊乱和不安全
manager 计数
from multiprocessing import Manager,Process,Lock
def work(d,lock):
lock.acquire()
d[‘count‘] -= 1
lock.release()
if __name__ == ‘__main__‘:
lock= Lock()
m = Manager()
dic=m.dict({‘count‘:100}) # 共享的数据
l = []
for i in range(100):
p=Process(target=work,args=(dic,lock))
p.start()
l.append(p)
[p.join() for p in l]
print(dic)
利用Manager模块来达到所有进程共用亿个dic中的count值，我们可以看到最后输出的dic是0
但是他本身并不安全
原文地址：https://www.cnblogs.com/dymlnet/p/8418496.html
时间： 2024-10-25 11:51:22