Python多进程之进程同步及通信详解

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

展开阅读全文

4 评论

留下您的评论.