上篇文章介绍了什么是进程、进程与程序的关系、进程的创建与使用、创建进程池等，接下来就来介绍一下进程同步及进程通信。

进程同步

当多个进程使用同一份数据资源的时候，因为进程的运行没有顺序，运行起来也无法控制，如果不加以干预，往往会引发数据安全或顺序混乱的问题，所以要在多个进程读写共享数据资源的时候加以适当的策略，来保证数据的一致性问题。

Lock（锁）

一个Lock对象有两个方法：acquire()和release()来控制共享数据的读写权限, 看下面这张图片，使用多进程的时候会经常出现这种情况，这是因为多个进程都在抢占输出资源，共享同一打印终端，从而造成了输出信息的错乱。

那么就可以使用Lock机制：

import multiprocessing
import random
import time
def work(lock, i):
  lock.acquire()
  print("work'{}'执行中......".format(i), multiprocessing.current_process().name, multiprocessing.current_process().pid)
  time.sleep(random.randint(0, 2))
  print("work'{}'执行完毕......".format(i))
  lock.release()
if __name__ == '__main__':
  lock = multiprocessing.Lock()
  for i in range(5):
      p = multiprocessing.Process(target=work, args=(lock, i))
      p.start()

由于引入了Lock机制，同一时间只能有一个进程抢占到输出资源，其他进程等待该进程结束，锁释放到，才可以抢占，这样会解决多进程间资源竞争导致数据错乱的问题，但是由并发执行变成了串行执行，会牺牲运行效率。

进程通信

上篇文章说过，进程之间互相隔离，数据是独立的，默认情况下互不影响，那要如何实现进程间通信呢？Python提供了多种进程通信的方式，下面就来说一下。

Queue（队列）

multiprocessing模块提供的Queue多进程安全的消息队列，可以实现多进程之间的数据传递。

说明

• 初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最⼤可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）。
• Queue.qsize()：返回当前队列包含的消息数量。
• Queue.empty()：如果队列为空，返回True，反之False。
• Queue.full()：如果队列满了，返回True,反之False。
• Queue.get(block, timeout)：获取队列中的⼀条消息，然后将其从列队中移除，block默认值为True。如果block使⽤默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为⽌，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出Queue.Empty异常；如果block值为False，消息列队如果为空，则会⽴刻抛出Queue.Empty异常。
• Queue.get_nowait()：相当Queue.get(False)。
• Queue.put(item, block, timeout)：将item消息写⼊队列，block默认值为True，如果block使⽤默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写⼊，此时程序将被阻塞（停在写⼊状态），直到消息列队腾出空间为⽌，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出Queue.Full异常；如果block值为False，消息列队如果没有空间可写⼊，则会⽴刻抛出Queue.Full异常。
• Queue.put_nowait(item)：相当于Queue.put(item, False)。

from multiprocessing import Process, Queue
import time
def write_task(queue):
  """
  向队列中写入数据
  :param queue: 队列
  :return:
  """
  for i in range(5):
      if queue.full():
          print("队列已满!")
      message = "消息{}".format(str(i))
      queue.put(message)
      print("消息{}写入队列".format(str(i)))
def read_task(queue):
  """
  从队列读取数据
  :param queue: 队列
  :return:
  """
  while True:
      print("从队列读取:{}".format(queue.get(True)))
if __name__ == '__main__':
  print("主进程执行......")
  # 主进程创建Queue，最大消息数量为3
  queue = Queue(3)
  pw = Process(target=write_task, args=(queue, ))
  pr = Process(target=read_task, args=(queue, ))
  pw.start()
  pr.start()

运行结果为：

从结果我们可以看出，队列最大可以放入3条消息，后面再来消息，要等read_task从队列里取出后才行。

Pipe（管道）

Pipe常用于两个进程，两个进程分别位于管道的两端，Pipe(duplex)方法返回（conn1,conn2）代表一个管道的两端，duplex参数默认为True，即全双工模式，若为False，conn1只负责接收信息，conn2负责发送。

send()和recv()方法分别是发送和接受消息的方法。

import multiprocessing
import time
import random
def proc_send(pipe):
  """
  发送消息
  :param pipe:管道一端
  :return:
  """
  for i in range(10):
      print("process send:{}".format(str(i)))
      pipe.send(i)
      time.sleep(random.random())
def proc_recv(pipe):
  """
  接收消息
  :param pipe:管道一端
  :return:
  """
  while True:
      print("Process recv:{}".format(pipe.recv()))
      time.sleep(random.random())
if __name__ == '__main__':
  # 主进程创建pipe
  pipe = multiprocessing.Pipe()
  p1 = multiprocessing.Process(target=proc_send,args=(pipe[0], ))
  p2 = multiprocessing.Process(target=proc_recv,args=(pipe[1], ))
  p1.start()
  p2.start()
  p1.join()
  p2.terminate()

执行结果为：

Semaphore（信号量）

Semaphore用来控制对共享资源的访问数量，和进程池的最大连接数类似。

import multiprocessing
import random
import time
def work(s, i):
  s.acquire()
  print("work'{}'执行中......".format(i), multiprocessing.current_process().name, multiprocessing.current_process().pid)
  time.sleep(i*2)
  print("work'{}'执行完毕......".format(i))
  s.release()
if __name__ == '__main__':
  s = multiprocessing.Semaphore(2)
  for i in range(1, 7):
      p = multiprocessing.Process(target=work, args=(s, i))
      p.start()

上面的代码中使用Semaphore限制了最多有2个进程同时执行，那么来一个进程获得一把锁，计数加1，当计数等于2时，后面再来的进程均需要等待，等前面的进程释放掉，才可以获得锁。

信号量与进程池的概念上类似，但是要区分开来，信号量涉及到加锁的概念。

Event（事件）

Event用来实现进程间同步通信的。运行的机制是：全局定义了一个flag，如果flag值为False，当程序执行event.wait()方法时就会阻塞，如果flag值为True时，程序执行event.wait()方法时不会阻塞继续执行。

Event常⽤函数：

• event.wait()：在进程中插入一个标记（flag），默认为False，可以设置timeout。
• event.set()：使flag为Ture。
• event.clear()：使flag为False。
• event.is_set()：判断flag是否为True。

import multiprocessing
import time
def wait_for_event(e):
  print("wait_for_event执行")
  e.wait()
  print("wait_for_event: e.is_set():{}".format(e.is_set()))
def wait_for_event_timeout(e, t):
  print("wait_for_event_timeout执行")
  # 只会阻塞2s
  e.wait(t)
  print("wait_for_event_timeout:e.is_set:{}".format(e.is_set()))
if __name__ == "__main__":
  e = multiprocessing.Event()
  p1 = multiprocessing.Process(target=wait_for_event, args=(e,))
  p1.start()
  p2 = multiprocessing.Process(target=wait_for_event_timeout, args=(e, 2))
  p2.start()
  time.sleep(4)
  # 4s之后使用e.set()将flag设为Ture
  e.set()
  print("主进程:flag设置为True")

执行结果如下：

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注服务器之家的更多内容!

原文链接：https://blog.csdn.net/weixin_50097774/article/details/121428521

本文链接：https://my.lmcjl.com/post/17457.html