守护进程
什么是守护进程：进程是一个正在运行的程序，守护进程也是一个普通进程，
意思是一个进程可以守护另一个进程。
结论：如果说b是a的守护进程，那么a就是被守护的进程，如果a挂了，那b也没有什么必要继续存在了。
测试：
from multiprocessing import Process import time# 妃子的一生 def task():print("入宫了.....")time.sleep(50)print("妃子病逝了......")if __name__ == '__main__':# 康熙登基了print("登基了.....")# 找了一个妃子p = Process(target=task)# 设置为守护进程 必须在开启前就设置好p.daemon = Truep.start()# 康熙驾崩了time.sleep(3)print("故事结束了!")
使用场景：父进程交给 了子进程一个任务，任务还没有完成父进程就结束了，那么子进程也就随之结束了。
例如：qq收到了一个视频文件，然后开启了一个在在进程开始下载，如果中途关闭了qq，那么这个子进程也就关闭了。
互斥锁：
就是互相排斥的锁，也就是如果这个资源被锁了，那么其他进程就无法使用了。
需要强调的是，锁并不是真正把资源锁起来了，而是限制了代码的执行。
为什么需要互斥锁：因为需要解决并发带来的资源竞争问题，当多个进程要同时操作同一个资源时，将会导致数据错乱的问题。
解决问题：
1.加join，这样就解决了数据错乱的问题，但是效率降低了，而且完全把并发变成串行了，也没有必要开子进程了，另外加join也等于把进程执行的顺序给定死了，这样太不公平了。
2.就是给公共资源上互斥锁，这样也解决了数据错乱，把并发变为串行，另外也很公平谁先抢到谁先执行。
锁和join的区别：
1.join固定了执行顺序，会造成父进程等子进程。锁依然公平竞争谁抢到谁先执行，而且父进程也可以做自己的事。
最主要的区别：join是把并发全部完全变成串行，而锁可以只锁一部分，一行也可以，可以自己调整粒度。
案例：
from multiprocessing import Process,Lock import time,randomdef task1(lock):# 要开始使用了 上锁lock.acquire() #就等同于一个if判断print("hello iam jerry")time.sleep(random.randint(0, 2))print("gender is boy")time.sleep(random.randint(0, 2))print("age is 15")# 用完了就解锁 lock.release()def task2(lock):lock.acquire()print("hello iam owen")time.sleep(random.randint(0,2))print("gender is girl")time.sleep(random.randint(0,2))print("age is 48")lock.release()def task3(lock):lock.acquire()print("hello iam jason")time.sleep(random.randint(0,2))print("gender is women")time.sleep(random.randint(0,2))print("age is 26")lock.release()if __name__ == '__main__':lock = Lock()p1 = Process(target=task1,args=(lock,))p2 = Process(target=task2,args=(lock,))p3 = Process(target=task3,args=(lock,))p1.start()# p1.join() p2.start()# p2.join() p3.start()# p3.join()# print("故事结束!")# 锁的伪代码实现 # if my_lock == False: # my_lock = True # #被锁住的代码my_lock = False 解锁
注意：不要对同一把锁执行多个acquire 会锁死导致程序无法执行，一次锁对应一次开锁。
注意2：想要数据保证完全，必须所有进程用同一把锁。
IPC：
通讯指的就是交换数据
进程之间内存是相互隔离的,当一个进程想要把数据给另外一个进程,就需要考虑IPC
方式:
管道: 只能单向通讯,数据都是二进制
文件: 在硬盘上创建共享文件
缺点:速度慢
优点:数据量几乎没有限制
socket:
编程复杂度较高
共享内存:必须由操作系统来分配 要掌握的方式*
优点: 速度快
缺点: 数据量不能太大
共享内存的方式：
1.Manager类：
Manager所创建出来的数据结构,具备进程间共享的特点
from multiprocessing import Process,Manager,Lock import timedef task(data,l):l.acquire()num = data["num"] # time.sleep(0.1)data["num"] = num - 1l.release()if __name__ == '__main__':# 让Manager开启一个共享的字典m = Manager()data = m.dict({"num":10})l = Lock()for i in range(10):p = Process(target=task,args=(data,l))p.start()time.sleep(2)print(data)
需要强调的是，Manager创建的一些数据结构是不带锁的，可能会出现问题。
2.Queue队列帮我们处理了锁的问题：
队列是一种特殊的数据结构,先存储的先取出 就像排队 先进先出
相反的是堆栈,先存储的后取出, 就像衣柜 桶装薯片 先进后出
函数嵌套调用时 执行顺序是先进后出 也称之为函数栈
调用 函数时 函数入栈 函数结束就出栈
from multiprocessing import Queue # 创建队列 不指定maxsize 则没有数量限制 q = Queue(3) # 存储元素 # q.put("abc") # q.put("hhh") # q.put("kkk")# print(q.get()) # q.put("ooo") # 如果容量已经满了,在调用put时将进入阻塞状态 直到有人从队列中拿走数据有空位置 才会继续执行#取出元素 # print(q.get())# 如果队列已经空了,在调用get时将进入阻塞状态 直到有人从存储了新的数据到队列中 才会继续# print(q.get()) # print(q.get())
block表示是否阻塞，默认是阻塞的 #当设置为False 并且队列为空时抛出异常。
q.get(block=True,timeout=2)
# block 表示是否阻塞 默认是阻塞的 # 当设置为False 并且队列满了时 抛出异常
# q.put("123",block=False,)
# timeout 表示阻塞的超时时间 ,超过时间还是没有值或还是没位置则抛出异常 仅在block为True有效
生产者消费者模型：
模型 就是解决某个问题套路
产生数据的一方称之为生产者
处理数据的一方称之为消费者
例如: 爬虫 生活中到处都是这种模型
生产者和消费者出什么问题解决什么问题。
生产者和消费者处理速度不平衡，一方快一方慢，导致一方需要等待另一方。
原本双方是耦合的，在一起，消费者必须等待生产者生成完毕再开始处理。
反过来：如果消费者消费速度太慢，生产者必须等待其处理完毕才能开始生成下一个数据。
解决的方案：
将双方分开来.一专门负责生成,一方专门负责处理
这样一来数据就不能直接交互了 双方需要一个共同的容器
生产者完成后放入容器,消费者从容器中取出数据
案例：
def eat(q):for i in range(10):# 要消费rose = q.get()time.sleep(random.randint(0, 2))print(rose,"吃完了!")# 生产任务 def make_rose(q):for i in range(10):# 再生产time.sleep(random.randint(0, 2))print("第%s盘青椒肉丝制作完成!" % i)rose = "第%s盘青椒肉丝" % i# 将生成完成的数据放入队列中 q.put(rose)if __name__ == '__main__':# 创建一个共享队列q = Queue()make_p = Process(target=make_rose,args=(q,))eat_p = Process(target=eat,args=(q,))make_p.start()eat_p.start()