Python多进程之进程同步及通信详解
更新时间：2021年11月25日 15:48:19 作者：程序员-夏天
这篇文章主要为大家介绍了Python多进程之进程同步及通信，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
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脚本之家的更多内容!
相关文章
这篇文章主要介绍了如何利用Python实现Picgo图床工具，PyPicGo 是一款图床工具,是PicGo是Python版实现，并支持各种插件自定义插件，目前PyPicGo自带了gitee、github、SM.MS和七牛云图传，以及rename、notify和typora等插件,下面来看文章内容介绍,需要的朋友可以参考一下2021-11-11
python-opencv中的cv2.inRange函数用法说明
这篇文章主要介绍了python-opencv中的cv2.inRange函数用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
Python的Fire库,一个用来生成命令行工具的的库,这篇文章主要针对命令行参数,补充两种更加灵活的设置方式,感兴趣的小伙伴可以跟随小编一起学习一下2024-01-01
这篇文章主要介绍了Python中使用PyQt把网页转换成PDF操作代码实例,本文直接给出实现代码,需要的朋友可以参考下2015-04-04
事件是Pygame的重要模块之一，比如鼠标点击、键盘敲击、游戏窗口移动、调整窗口大小、触发特定的情节、退出游戏等等，本文就详细的介绍一下具体用法，感兴趣的可以了解一下2021-11-11
今天小编就为大家分享一篇python random从集合中随机选择元素的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
这篇文章主要为大家介绍了Python单项循环，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2021-11-11
这篇文章主要为大家详细介绍了python3实现一个微型的web服务器，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-09-09
在Python中,requests库是处理HTTP请求的标准工具之一,这篇文章主要为大家介绍了如何在requests中实现请求的自动重试,感兴趣的小伙伴可以跟随小编一起学习一下2023-11-11
gltf是类似于stl、obj、ply等常见的3D对象存储格式,它被设计出来是为了便于渲染的数据转换和传输,本文为大家介绍了使用Python和C++解析gltf文件的方法,感兴趣的可以了解下2023-09-09
最新评论