[toc]
# **進程間同步控制**模塊
鎖 :互斥鎖Lock 數據的安全性問題 進程之間的
信號量 : Semaphore 鎖+計數器
事件 :通過一個flag來控制進程的阻塞和執行
## 鎖(Lock)的用途
加鎖可以保證多個進程修改同一塊數據時,同一時間只能有一個任務可以進行修改,即串行地修改,沒錯,速度是慢了,但犧牲了速度卻保證了數據安全。
### 互斥鎖的原理
互斥鎖的意思就是互相排斥,如果把多個進程比喻為多個人,互斥鎖的工作原理就是多個人都要去爭搶同一個資源:衛生間,一個人搶到衛生間后上一把鎖,其他人都要等著,等到這個完成任務后釋放鎖,其他人才有可能有一個搶到......
**互斥鎖的原理,就是把并發改成穿行,降低了效率,但保證了數據安全不錯亂**
### 語法和方法
Lock屬于multiprocessing模塊,常用的方法如下
~~~
from multiprocessing import Process,Lock #導入
lock.acquire() #加鎖
lock.release() #釋放鎖
~~~
### 模擬搶票練習
多個進程共享同一文件,我們可以把文件當數據庫,用多個進程模擬多個人執行搶票任務
~~~
#文件db.txt的內容為:{"count":1}
from multiprocessing import Process
import time,json
def search(name):
dic=json.load(open('db.txt'))
time.sleep(1)
print('\033[43m%s 查到剩余票數%s\033[0m' %(name,dic['count']))
def get(name):
dic=json.load(open('db.txt'))
time.sleep(1) #模擬讀數據的網絡延遲
if dic['count'] >0:
dic['count']-=1
time.sleep(1) #模擬寫數據的網絡延遲
json.dump(dic,open('db.txt','w'))
print('\033[46m%s 購票成功\033[0m' %name)
def task(name):
search(name)
get(name)
if __name__ == '__main__':
for i in range(4): #模擬并發4個客戶端搶票
name='<路人%s>' %i
p=Process(target=task,args=(name,))
p.start()
~~~
并發運行,效率高,但競爭寫同一文件,數據寫入錯亂,只有一張票,賣成功給了4個人
~~~
<路人0> 查到剩余票數1
<路人1> 查到剩余票數1
<路人2> 查到剩余票數1
<路人3> 查到剩余票數1
<路人0> 購票成功
<路人1> 購票成功
<路人7> 購票成功
<路人2> 購票成功
~~~
加鎖處理:購票行為由并發變成了串行,犧牲了運行效率,但保證了數據安全
~~~
#把文件db.txt的內容重置為:{"count":1}
from multiprocessing import Process,Lock
import time,json
def search(name):
dic=json.load(open('db.txt'))
time.sleep(1)
print('\033[43m%s 查到剩余票數%s\033[0m' %(name,dic['count']))
def get(name):
dic=json.load(open('db.txt'))
time.sleep(1) #模擬讀數據的網絡延遲
if dic['count'] >0:
dic['count']-=1
time.sleep(1) #模擬寫數據的網絡延遲
json.dump(dic,open('db.txt','w'))
print('\033[46m%s 購票成功\033[0m' %name)
def task(name,lock):
search(name)
with lock: #相當于lock.acquire(),執行完自代碼塊自動執行lock.release()
get(name)
if __name__ == '__main__':
lock=Lock()
for i in range(4): #模擬并發4個客戶端搶票
name='<路人%s>' %i
p=Process(target=task,args=(name,lock))
p.start()
~~~
執行結果
~~~
<路人0> 查到剩余票數1
<路人1> 查到剩余票數1
<路人2> 查到剩余票數1
<路人3> 查到剩余票數1
<路人0> 購票成功
~~~
### 互斥鎖與join
使用join可以將并發變成串行,互斥鎖的原理也是將并發變成穿行,那我們直接使用join就可以了啊,為何還要互斥鎖.
join是將一個任務整體串行,而互斥鎖的好處則是可以將一個任務中的某一段代碼串行,比如只讓task函數中的get任務串行
~~~
def task(name,):
search(name) # 并發執行
lock.acquire()
get(name) #串行執行
lock.release()
~~~
## 信號量(Semaphore)
信號量是對鎖的封裝,鎖是同一時間只能有一個進程可以使用,信號量是同一個之間可以有指定數量的進程可以使用,簡單理解就是鎖+計數器實現的
~~~
Semaphore管理一個內置的計數器,
每當調用acquire()時內置計數器-1;
調用release() 時內置計數器+1;
計數器不能小于0;當計數器為0時,acquire()將阻塞線程直到其他線程調用release()。
~~~
### 信號量的使用
信號量的使用和鎖基本完全一樣,因此直接用下面的爭搶KTV的代碼來演示
~~~
from multiprocessing import Process
from multiprocessing import Semaphore
import time,random
def ktv(i,sm):
sm.acquire()
print('%s來了KTV'%i)
time.sleep(random.randint(1,3))
print('>>%s唱完了'%i)
sm.release()
if __name__=='__main__':
sm=Semaphore(2)
l=[]
for i in range(4):
p=Process(target=ktv,args=(i,sm))
l.append(p)
for p in l:
p.start()
print('end......')
~~~
執行結果
```
0來了KTV
1來了KTV
>>0唱完了
2來了KTV
>>1唱完了
3來了KTV
>>2唱完了
>>3唱完了
```
## 事件(Event)
默認進程之間是不能直接通向的,而如果程序中的其他進程程需要通過判斷某個進程的狀態來確定自己下一步的操作,就需要使用threading庫中的Event(事件)對象。
事件對象包含一個可設置的信號標志,它允許進程等待某些事件的發生。
初始情況下,Event對象中的信號標志被設置為假。如果有線程等待一個Event對象, 而這個Event對象的標志為假,那么這個線程將會被一直阻塞直至該標志為真。一個線程如果將一個Event對象的信號標志設置為真,它將喚醒所有等待這個Event對象的線程。如果一個線程等待一個已經被設置為真的Event對象,那么它將忽略這個事件, 繼續執行
~~~
from threading import Event
event.isSet():返回event的狀態值;
event.wait():如果 event.isSet()==False將阻塞線程;
event.set(): 設置event的狀態值為True
#所有阻塞池的線程激活進入就緒狀態, 等待操作系統調度;
event.clear():恢復event的狀態值為False。
~~~
### 紅綠燈模型演示
紅綠燈是一個典型的需要用到事件的模型,紅燈和綠燈需要交替的閃爍,而汽車只有當綠燈時才能通過,如果遇到紅燈,需要等待紅燈變為綠燈
~~~
from multiprocessing import Process
from multiprocessing import Event
import time,random
def traffic_ligths(ev):
print('當前是紅燈', ev.is_set())
while True:
time.sleep(2)
if ev.is_set():
print('綠燈-->紅燈')
ev.clear()
else:
print('紅燈-->綠燈')
ev.set()
def car(ev,i):
if not ev.is_set():
print('卡車%s準備通過'%i)
ev.wait()
print('卡車%s通過'%i)
if __name__=='__main__':
ev=Event()
p1=Process(target=traffic_ligths,args=(ev,))
p1.daemon
p1.start()
for i in range(5):
p2=Process(target=car,args=(ev,i))
p2.start()
time.sleep(random.randrange(0,5))
~~~
執行結果:
```
當前是紅燈 False
卡車0準備通過
紅燈-->綠燈
卡車0通過
綠燈-->紅燈
卡車1準備通過
卡車2準備通過
紅燈-->綠燈
卡車2通過
卡車1通過
卡車3通過
卡車4通過
綠燈-->紅燈
```
- 基礎部分
- 基礎知識
- 變量
- 數據類型
- 數字與布爾詳解
- 列表詳解list
- 字符串詳解str
- 元組詳解tup
- 字典詳解dict
- 集合詳解set
- 運算符
- 流程控制與循環
- 字符編碼
- 編的小程序
- 三級菜單
- 斐波那契數列
- 漢諾塔
- 文件操作
- 函數相關
- 函數基礎知識
- 函數進階知識
- lambda與map-filter-reduce
- 裝飾器知識
- 生成器和迭代器
- 琢磨的小技巧
- 通過operator函數將字符串轉換回運算符
- 目錄規范
- 異常處理
- 常用模塊
- 模塊和包相關概念
- 絕對導入&相對導入
- pip使用第三方源
- time&datetime模塊
- random隨機數模塊
- os 系統交互模塊
- sys系統模塊
- shutil復制&打包模塊
- json&pickle&shelve模塊
- xml序列化模塊
- configparser配置模塊
- hashlib哈希模塊
- subprocess命令模塊
- 日志logging模塊基礎
- 日志logging模塊進階
- 日志重復輸出問題
- re正則表達式模塊
- struct字節處理模塊
- abc抽象類與多態模塊
- requests與urllib網絡訪問模塊
- 參數控制模塊1-optparse-過時
- 參數控制模塊2-argparse
- pymysql數據庫模塊
- requests網絡請求模塊
- 面向對象
- 面向對象相關概念
- 類與對象基礎操作
- 繼承-派生和組合
- 抽象類與接口
- 多態與鴨子類型
- 封裝-隱藏與擴展性
- 綁定方法與非綁定方法
- 反射-字符串映射屬性
- 類相關內置方法
- 元類自定義及單例模式
- 面向對象的軟件開發
- 網絡-并發編程
- 網絡編程SOCKET
- socket簡介和入門
- socket代碼實例
- 粘包及粘包解決辦法
- 基于UDP協議的socket
- 文件傳輸程序實戰
- socketserver并發模塊
- 多進程multiprocessing模塊
- 進程理論知識
- 多進程與守護進程
- 鎖-信號量-事件
- 隊列與生產消費模型
- 進程池Pool
- 多線程threading模塊
- 進程理論和GIL鎖
- 死鎖與遞歸鎖
- 多線程與守護線程
- 定時器-條件-隊列
- 線程池與進程池(新方法)
- 協程與IO模型
- 協程理論知識
- gevent與greenlet模塊
- 5種網絡IO模型
- 非阻塞與多路復用IO實現
- 帶著目標學python
- Pycharm基本使用
- 爬蟲
- 案例-爬mzitu美女
- 案例-爬小說
- beautifulsoup解析模塊
- etree中的xpath解析模塊
- 反爬對抗-普通驗證碼
- 反爬對抗-session登錄
- 反爬對抗-代理池
- 爬蟲技巧-線程池
- 爬蟲對抗-圖片懶加載
- selenium瀏覽器模擬