1.锁:Lock

2.信号量:Semaphone

3.事件:Event

4.进程队列:Queue

5.生产者和消费者模型

6.JoinableQueue

7.Manager:进程之间共享数据

锁:Lock

1.锁的基本概念

上锁和解锁是一对,只上锁不解锁会发生死锁现象(代码阻塞,不往下执行了)

互斥锁 : 互斥锁是进程之间的互相排斥,谁先抢到这个锁资源就先使用,后抢到后使用

2.锁的基本用法

# 创建一把锁
lock = Lock()

上锁

lock.acquire()

连续上锁不解锁是死锁

lock.acquire() # error

print("厕所中…")

解锁

lock.release()
print("执行程序 … ")

对上面代码的一波分析:因为上锁后又解锁，所以最后一行的执行程序…可以打印出

但是如果连续上两把锁，解一把锁，则会产生死锁状态。无法打印后面的执行程序…

3.模拟12306抢票软件

# 读写数据库中的票数
def wr_info(sign, dic=None):
if sign == "r":
with open("ticket.txt", mode="r", encoding="utf-8") as fp:
dic = json.load(fp)
return dic

elif sign == "w":  
    with open("ticket.txt", mode="w", encoding="utf-8") as fp:  
        json.dump(dic, fp)

抢票方法

def get_ticket(person):
# 获取数据库中实际的票数
dic = wr_info("r")
print(dic)

# 模拟一下网络延迟  
time.sleep(0.5)

# 判断票数  
if dic\["count"\] > 0:  
    print("%s抢到票了" % (person))  
    dic\["count"\] -= 1  
    wr\_info("w", dic)  
else:  
    print("%s没有抢到这张票" % (person))

def run(person, lock):
# 查看剩余票数
dic = wr_info("r")
print("%s 查询票数: %s" % (person, dic["count"]))

# 上锁  
lock.acquire()  
# 开始抢票  
get\_ticket(person)  
lock.release()

if __name__ == "__main__":
lock = Lock()
lst = ["Fly", "Hurt", "Mojo", "Snow", "1dao", "770", "JieJ", "139", "Gemini", "SK"]
for i in lst:
p = Process(target=run, args=(i, lock))
p.start()

运行结果如下图所示

代码分析:

创建进程的时候,仍然是异步并发,

在执行到上锁时,多个进程之间变成了同步程序.

先来的先上锁,先执行,后来的进程后上锁,后执行

信号量:Semaphone

信号量 Semaphore 本质上就是锁,只不过可以控制上锁的数量

1.Semaphore的基本用法

sem = Semaphore(4) # 锁的数量为4
sem.acquire()
sem.acquire()
sem.acquire()
sem.acquire()

sem.acquire() # 上第五把锁出现死锁状态.

print("执行相应的操作")
sem.release()

2.模拟KTV房间唱歌

def ktv(person, sem):
sem.acquire()
print("%s进入了ktv,正在唱歌" % (person))
# 开始唱歌,唱一段时间
time.sleep(random.randrange(3, 7)) # 3 4 5 6
print("%s离开了ktv,唱完了" % (person))
sem.release()

if __name__ == "__main__":
sem = Semaphore(4)
lst = ["Fly", "Hurt", "1dao", "Mojo", "Snow", "770", "Giao", "SK", "139", "Gemini"]
for i in lst:
p = Process(target=ktv, args=(i, sem))
p.start()

运行结果如下图所示

代码分析：

Semaphore 可以设置上锁的数量

同一时间最多允许几个进程上锁

创建进程的时候,是异步并发

执行任务的时候,遇到锁会变成同步程序.

事件:Event

1.Event中的基本方法

阻塞事件：

e = Event()生成事件对象e

e.wait()动态给程序加阻塞 , 程序当中是否加阻塞完全取决于该对象中的is_set() [默认返回值是False]

　　如果是True 不加阻塞

　　如果是False 加阻塞

控制这个属性的值:

set()方法 将这个属性的值改成True

clear()方法 将这个属性的值改成False

is_set()方法 判断当前的属性是否为True (默认上来是False)

2.Event的基本语法

1.小试牛刀

e = Event()
print(e.is_set()) # 默认是False状态
e.wait()
print("程序运行中 … ")

运行结果如下图所示

2.is_set=True

e = Event()
e.set() # 将内部成员属性值由False -> True
print(e.is_set())
e.wait()
print("程序运行中 … ")

e.clear() # 将内部成员属性值由True => False
e.wait()
print("程序运行中2 … ")

运行结果如下图所示

3.wait里加参数

e = Event()

wait参数 可以写时间 wait(3) 代表最多等待3秒钟

e.wait(3)
print("程序运行中3 … ")

3.模拟经典红绿灯效果

def traffic_light(e):
print("红灯亮")
while True:
if e.is_set():
# 绿灯状态,亮1秒钟
time.sleep(1)
print("红灯亮")
e.clear()
else:
# 红灯状态,亮1秒钟
time.sleep(1)
print("绿灯亮")
e.set()

def car(e,i):
# not False => True => 目前是红灯,小车在等待
if not e.is_set():
print("car%s 在等待" % (i))
# 加阻塞
e.wait()
print("car%s 通行了" % (i))

不关红绿灯,一直跑

"""
if __name__ == "__main__":
e = Event()
# 创建交通灯对象
p1 = Process(target=traffic_light,args=(e,))
p1.start()

# 创建车对象  
for i in range(1,21):  
    time.sleep(random.randrange(0,2)) # 0 1  
    p2 = Process(target=car,args=(e,i))  
    p2.start()  

"""

当所有小车都跑完之后,把红绿灯收拾起来,省电

if __name__ == "__main__":
lst = []
e = Event()
# 创建交通灯对象
p1 = Process(target=traffic_light,args=(e,))

# 设置红绿灯为守护进程  
p1.daemon = True  
p1.start()

# 创建车对象  
for i in range(1,21):  
    time.sleep(random.randrange(0,2)) # 0 1  
    p2 = Process(target=car,args=(e,i))  
    p2.start()  
    lst.append(p2)

# 让所有的小车都通行之后,在结束交通灯  
for i in lst:  
    i.join()

print("程序结束 ... ")

运行结果如下图所示

那么怎样才能做到，当20辆车已经通行之后，停止红绿灯的交替闪烁呢?

# 当所有小车都跑完之后,把红绿灯收拾起来,省电
if __name__ == "__main__":
lst = []
e = Event()
# 创建交通灯对象
p1 = Process(target=traffic_light, args=(e,))

# 设置红绿灯为守护进程  
p1.daemon = True  
p1.start()

# 创建车对象  
for i in range(1, 21):  
    time.sleep(random.randrange(0, 2))  # 0 1  
    p2 = Process(target=car, args=(e, i))  
    p2.start()  
    lst.append(p2)

# 让所有的小车都通行之后,在结束交通灯  
for i in lst:  
    i.join()

print("程序结束 ... ")

运行结果如下图所示

代码分析:

1.设置p1交通信号灯为deamon守护进程，当主进程结束，守护进程-红绿灯进程也结束

2.i.join：当所有小车都通行之后，再结束交通信号灯进程

进程队列:Queue

什么是队列?

队列特点: 先进先出,后进后出

1.put() 往队列里放值

q = Queue()

1.put 往队列中放值

q.put(100)
q.put(101)
q.put(102)

2.get() 从队列里取值

# 2.get 从队列中取值
res = q.get()
print(res)
res = q.get()
print(res)
res = q.get()
print(res)

3.队列中如果已经没有数据了,在调用get会发生阻塞.

res = q.get()
print(res)

执行结果如下图所示

4.get_nowait 拿不到数据就报错

get_nowait  存在系统兼容性问题[windows]好用 [linux]不好用 不推荐

res = q.get_nowait()
print(res)

当然，我们可以使用try捕获到这个错误

try:
res = q.get_nowait()
print(res)
except queue.Empty:
pass

5.设置队列的长度

q2 = Queue(4)
q2.put(200)
q2.put(201)
q2.put(202)
q2.put(203)

如果超过了队列的指定长度,在继续存值会出现阻塞现象

q2.put(204) # 超出长度会阻塞

6.put_nowait() 非阻塞版本的put,超出长度后,直接报错

q = Queue(3)
q.put(100)
q.put(101)
q.put(102)
q.put_nowait(204) # 超出队列长度，直接报错

同样，我们可以使用try捕获异常

try:
q2.put_nowait(205)
except queue.Full:
pass

7.进程之间的数据共享

def func(q3):
# 2.子进程获取数据
res = q3.get()
print(res)

# 3.子进程存数据  
q3.put("马生平")

if __name__ == "__main__":
q3 = Queue()
p = Process(target=func, args=(q3,))
p.start()

# 1.主进程添加数据  
q3.put("王凡")

# 为了等待子进程把数据放到队列中,需要加join  
p.join()

# 4.主进程获取数据  
res = q3.get()  
print(res)

print("主程序结束 ... ")

生产者和消费者模型

1.基本模型

def consumer(q,name):
while True:
food = q.get()
time.sleep(random.uniform(0.1,1))
print("%s 吃了一个%s" % (name,food))

生产者模型

def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.1,1))
# 打印生产的数据
print("%s 生产了 %s%s" % (name,food,i))
# 存储生产的数据
q.put(food + str(i))

if __name__ == "__main__":
q = Queue()
# 消费者
p1 = Process(target=consumer,args=(q,"宋云杰"))
# 生产者
p2 = Process(target=producer,args=(q,"马生平","黄瓜"))

p1.start()  
p2.start()

2.优化版

# 消费者模型
def consumer(q,name):
while True:
food = q.get()
if food is None:
break
time.sleep(random.uniform(0.1,1))
print("%s 吃了一个%s" % (name,food))

生产者模型

def producer(q,name,food):
for i in range(5):
time.sleep(random.uniform(0.1,1))
# 打印生产的数据
print("%s 生产了 %s%s" % (name,food,i))
# 存储生产的数据
q.put(food + str(i))

if __name__ == "__main__":
q = Queue()
# 消费者
p1 = Process(target=consumer,args=(q,"宋云杰"))
# 生产者
p2 = Process(target=producer,args=(q,"马生平","黄瓜"))

p1.start()  
p2.start()

# 在生产者生产完所有数据之后,在队列的末尾添加一个None  
p2.join()  
# 添加None  
q.put(None)

优化版和普通版有什么不同呢？

运行结果如下图所示

JoinableQueue

1.前戏

上面的生产者-消费者模型只是针对于一个生产者和一个消费者

那如果是多个生产者和多个消费者呢?

2.JoinableQueue基本语法

put 存储

get 获取

task_done

join

task_done 和 join 配合使用的

队列中 1 2 3 4 5

put 一次 内部的队列计数器加1

get 一次 通过task_done让队列计数器减1

join函数,会根据队列计数器来判断是阻塞还是放行

队列计数器 = 0 , 意味着放行

队列计数器 != 0 , 意味着阻塞

jq =JoinableQueue()
jq.put("a") # 向队列中存储一个a 并且队列计数器会加1
print(jq.get()) # 取出队列的a并打印
jq.task_done() # 通过task_done让队列计数器减1，此时队列计数器为0
jq.join() # 队列计数器为0，放行，打印下面的内容
print("finish")

3.用JoinableQueue优化生产者-消费者模型

def consumer(q, name):
while True:
food = q.get()
time.sleep(random.uniform(0.1, 1))
print("%s 吃了一个%s" % (name, food))
# 当队列计数器减到0的时,意味着进程队列中的数据消费完毕
q.task_done()

生产者模型

def producer(q, name, food):
for i in range(5):
time.sleep(random.uniform(0.1, 1))
# 打印生产的数据
print("%s 生产了 %s%s" % (name, food, i))
# 存储生产的数据
q.put(food + str(i))

if __name__ == "__main__":
q = JoinableQueue()
# 消费者
p1 = Process(target=consumer, args=(q, "宋云杰"))
p3 = Process(target=consumer, args=(q, "李博伦"))
# 生产者
p2 = Process(target=producer, args=(q, "马生平", "黄瓜"))

# 设置p1消费者为守护进程  
p1.daemon = True  
p3.daemon = True  
p1.start()  
p2.start()  
p3.start()

# 把所有生产者生产的数据存放到进程队列中  
p2.join()  
# 为了保证消费者能够消费完所有数据,加上队列.join  
# 当队列计数器减到0的时,放行,不在阻塞,程序彻底结束.  
q.join()  
print("程序结束 ... ")

运行结果如下图所示

Manager:进程之间共享数据

def work(data,lock):

# 1.正常写法  
# 上锁  
lock.acquire()  
# 修改数据  
data\["count"\] -= 1  
# 解锁  
lock.release()

# 2.使用with语法可以简化上锁和解锁两步操作  
with lock:  
    data\[0\] += 1

if __name__ == "__main__":
lst = []
lock = Lock()
m = Manager()
data = m.dict( {"count":20000} )
data = m.list( [1,2,3] )
for i in range(50):
p = Process(target=work,args=(data,lock))
p.start()
lst.append(p)

# 确保所有进程执行完毕之后,在向下执行,打印数据,否则报错.  
for i in lst:  
    i.join()

print(data)