Python進(jìn)程間通信方式
一、通信方式
進(jìn)程彼此之間互相隔離,要實(shí)現(xiàn)進(jìn)程間通信(IPC),multiprocessing模塊主要通過(guò)隊(duì)列方式
隊(duì)列:隊(duì)列類似于一條管道,元素先進(jìn)先出
需要注意的一點(diǎn)是:隊(duì)列都是在內(nèi)存中操作,進(jìn)程退出,隊(duì)列清空,另外,隊(duì)列也是一個(gè)阻塞的形態(tài)
二、Queue介紹
創(chuàng)建隊(duì)列的類(底層就是以管道和鎖定的方式實(shí)現(xiàn)):
Queue([maxsize]):創(chuàng)建共享的進(jìn)程隊(duì)列,Queue
是多進(jìn)程安全的隊(duì)列,
可以使用Queue實(shí)現(xiàn)多進(jìn)程之間的數(shù)據(jù)傳遞。maxsize
是隊(duì)列中允許最大項(xiàng)數(shù),省略則無(wú)大小限制。
三、方法介紹
def put(self, obj, block=True, timeout=None):
插入數(shù)據(jù)到隊(duì)列中,Block值默認(rèn)為True,代表當(dāng)隊(duì)列已滿時(shí),會(huì)阻塞。如果block為False,則隊(duì)列滿會(huì)報(bào)異常Queue.Full,timeout表示會(huì)阻塞到指定時(shí)間,直到有剩余的空間供插入,如果時(shí)間超時(shí),則報(bào)異常Queue.Full- def get(self, block=True, timeout=None):從隊(duì)列中取出數(shù)據(jù),Block值默認(rèn)為True,代表當(dāng)隊(duì)列為空時(shí),會(huì)阻塞。如果block為False,則隊(duì)列空會(huì)報(bào)異常Queue.Empty,timeout表示會(huì)等待到指定時(shí)間,直到取出數(shù)據(jù),如果時(shí)間超時(shí),則報(bào)異常Queue.Empty
- def empty(self): 判斷隊(duì)列是否為空,如果空返回True
- def full(self): 判斷隊(duì)列是否已滿,如果滿返回True
- def qsize(self): 返回隊(duì)列的大小
應(yīng)用舉例:
from multiprocessing import Process, Manager q = Manager().Queue(2) q.put(1) q.put(2,block=False,timeout=2) def func(): ? ? print(q.get()) ? p = Process(target=func) print("size",q.qsize()) print("full",q.full()) p.start() p.join() print("empty",q.empty()) print("get", q.get()) print("get", q.get(block=False,timeout=2))
輸出結(jié)果:
三、生產(chǎn)者和消費(fèi)者模型
在并發(fā)編程中使用生產(chǎn)者和消費(fèi)者模式能夠解決絕大多數(shù)并發(fā)問(wèn)題。該模式通過(guò)平衡生產(chǎn)線程和消費(fèi)線程的工作能力來(lái)提高程序的整體處理數(shù)據(jù)的速度。
為什么要使用生產(chǎn)者和消費(fèi)者模式?
在線程世界里,生產(chǎn)者就是生產(chǎn)數(shù)據(jù)的線程,消費(fèi)者就是消費(fèi)數(shù)據(jù)的線程。在多線程開(kāi)發(fā)當(dāng)中,如果生產(chǎn)者處理速度很快,而消費(fèi)者處理速度很慢,那么生產(chǎn)者就必須等待消費(fèi)者處理完,才能繼續(xù)生產(chǎn)數(shù)據(jù)。同樣的道理,如果消費(fèi)者的處理能力大于生產(chǎn)者,那么消費(fèi)者就必須等待生產(chǎn)者。為了解決這個(gè)問(wèn)題于是引入了生產(chǎn)者和消費(fèi)者模式。
四、什么是生產(chǎn)者消費(fèi)者模式
生產(chǎn)者消費(fèi)者模式是通過(guò)一個(gè)容器來(lái)解決生產(chǎn)者和消費(fèi)者的強(qiáng)耦合問(wèn)題。生產(chǎn)者和消費(fèi)者彼此之間不直接通訊,而通過(guò)阻塞隊(duì)列來(lái)進(jìn)行通訊:
生產(chǎn)者,只需要往隊(duì)列里面丟東西(生產(chǎn)者不需要關(guān)心消費(fèi)者)
消費(fèi)者,只需要從隊(duì)列里面拿東西(消費(fèi)者也不需要關(guān)心生產(chǎn)者)
阻塞隊(duì)列就相當(dāng)于一個(gè)緩沖區(qū),平衡了生產(chǎn)者和消費(fèi)者的處理能力。
實(shí)現(xiàn)方式一:Queue
from multiprocessing import Process,Manager,active_children import random import queue import time ? class Producer(Process): ? ? ? def __init__(self,queue): ? ? ? ? super().__init__() ? ? ? ? self.queue = queue ? ? ? def run(self): ? ? ? ? for i in range(6): ? ? ? ? ? ? r = random.randint(0, 99) ? ? ? ? ? ? time.sleep(1) ? ? ? ? ? ? self.queue.put(r) ? ? ? ? ? ? print("add data{}".format(r)) ? class Consumer(Process): ? ? ? def __init__(self,queue): ? ? ? ? super().__init__() ? ? ? ? self.queue = queue ? ? ? def run(self): ? ? ? ? while True: ? ? ? ? ? if not self.queue.empty(): ? ? ? ? ? ? ? ? data = self.queue.get() ? ? ? ? ? ? ? ? print("minus data{}".format(data)) ? ? if __name__ == '__main__': ? ? q = Manager().Queue() # 創(chuàng)建隊(duì)列 ? ? p = Producer(q) ? ? c = Consumer(q) ? ? p.start() ? ? c.start() ? ? print(active_children()) ?# 查看現(xiàn)有的進(jìn)程 ? ? p.join() ? ? c.join() ? ? print("結(jié)束") ? ? >>>輸出 [<ForkProcess(SyncManager-1, started)>, <Producer(Producer-2, started)>, <Consumer(Consumer-3, started)>] add data83 minus data83 add data72 minus data72 add data8 minus data8 add data63 minus data63 add data75 minus data75 add data52 minus data52
實(shí)現(xiàn)方式二:利用JoinableQueue
JoinableQueue([maxsize]):一個(gè)Queue對(duì)象,但隊(duì)列允許項(xiàng)目的使用者通知生成者項(xiàng)目已經(jīng)被成功處理。通知進(jìn)程是使用共享的信號(hào)和條件變量來(lái)實(shí)現(xiàn)的。JoinableQueue
的實(shí)例除了與Queue對(duì)象相同的方法之外還具有:
task_done():使用者使用此方法發(fā)出信號(hào),表示get()的返回項(xiàng)目已經(jīng)被處理。如果調(diào)用此方法的次數(shù)大于從隊(duì)列中刪除項(xiàng)目的數(shù)量,將引發(fā)ValueError異常
join():生產(chǎn)者調(diào)用此方法進(jìn)行阻塞,直到隊(duì)列中所有的項(xiàng)目均被處理。阻塞將持續(xù)到隊(duì)列中的每個(gè)項(xiàng)目均調(diào)用task_done()方法為止
from multiprocessing import Process,JoinableQueue import os import time import random ? ? def print_log(msg, log_type="prod"): ? ? if log_type == 'prod': ? ? ? ? print("\033[32;1m%s\033[0m" %msg) ? ? elif log_type == 'con': ? ? ? ? print("\033[31;1m%s\033[0m" %msg) ? def producer(q): ? ? """ ? ? 生產(chǎn)者 ? ? :param q:? ? ? :return:? ? ? """ ? ? for i in range(10): ? ? ? ? data = random.randint(1,200) ? ? ? ? time.sleep(2) ? ? ? ? q.put(data) ?# 放入隊(duì)列 ? ? ? ? msg = "add data {}".format(data) ? ? ? ? print_log(msg) ? ? q.join() ?# 生產(chǎn)者調(diào)用此方法進(jìn)行阻塞,直到隊(duì)列中所有的項(xiàng)目均被處理。 ? ? # 阻塞將持續(xù)到隊(duì)列中的每個(gè)項(xiàng)目均調(diào)用q.task_done()方法為止 ? ? ? ? def consumer(q): ? ? """ ? ? 消費(fèi)者 ? ? :param q:? ? ? :return:? ? ? """ ? ? while True: ? ? ? ? if not q.empty(): ? ? ? ? ? ? time.sleep(5) ? ? ? ? ? ? data = q.get() ? ? ? ? ? ? msg = "minus data{}".format(data) ? ? ? ? ? ? print_log(msg,"con") ? ? ? ? ? ? q.task_done() ?# q.get()的返回項(xiàng)目已經(jīng)被處理 ? ? if __name__ == '__main__': ? ? q = JoinableQueue() ? ? prod = Process(target=producer, args=(q,)) ? ? con = Process(target=consumer, args=(q,)) ? ? con.daemon = True ?# 設(shè)置為守護(hù)進(jìn)程,但是不用擔(dān)心,producer內(nèi)調(diào)用q.join保證了consumer已經(jīng)處理完隊(duì)列中的所有元素 ? ? # 開(kāi)啟進(jìn)程 ? ? prod.start() ? ? con.start() ? ? ? prod.join() ?# 等待生產(chǎn)和消費(fèi)完成,主線程結(jié)束 ? ? print("結(jié)束")
輸出結(jié)果:
到此這篇關(guān)于Python進(jìn)程間通信方式的文章就介紹到這了,更多相關(guān)Python進(jìn)程間通信內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python驗(yàn)證碼識(shí)別教程之利用投影法、連通域法分割圖片
這篇文章主要給大家介紹了關(guān)于python驗(yàn)證碼識(shí)別教程之利用投影法、連通域法分割圖片的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起看看吧2018-06-06python讀取dicom圖像示例(SimpleITK和dicom包實(shí)現(xiàn))
今天小編就為大家分享一篇python讀取dicom圖像示例(SimpleITK和dicom包實(shí)現(xiàn)),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01PyTorch使用Tricks:Dropout,R-Dropout和Multi-Sample?Dropout方式
這篇文章主要介紹了PyTorch使用Tricks:Dropout,R-Dropout和Multi-Sample?Dropout方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02Python爬取科目四考試題庫(kù)的方法實(shí)現(xiàn)
這篇文章主要介紹了Python爬取科目四考試題庫(kù)的方法實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03人工智能學(xué)習(xí)Pytorch教程Tensor基本操作示例詳解
這篇文章主要為大家介紹了人工智能學(xué)習(xí)Pytorch教程Tensor的基本操作示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步2021-11-11