python---进程与线程(四)---process类,进程间通信,进程池,协程
来源:互联网 发布:数控外圆磨床编程案例 编辑:程序博客网 时间:2024/06/05 10:00
group: 线程组,目前还没有实现,库引用中提示必须是None;
target: 要执行的方法;
name: 进程名;
args/kwargs: 要传入方法的参数。
实例方法:
is_alive():返回进程是否在运行。
join([timeout]):阻塞当前上下文环境的进程程,直到调用此方法的进程终止或到达指定的timeout(可选参数)。
start():进程准备就绪,等待CPU调度
run():strat()调用run方法,如果实例进程时未制定传入target,这star执行t默认run()方法。
terminate():不管任务是否完成,立即停止工作进程
属性:
daemon:和线程的setDeamon功能一样
name:进程名字。
pid:进程号。
import multiprocessingclass MyProcess(multiprocessing.Process): def __init__(self): super().__init__() def run(self): print('{} say ok'.format(self.name))if __name__ == '__main__': p=MyProcess() p.start()
=================================================================
进程队列Queue
# import multiprocessing## def foo(q):# q.put('ds')### q = multiprocessing.Queue()# if __name__ == '__main__':## p=multiprocessing.Process(target=foo,args=(q,))# p.start()# print(q.get())=================================================================
Pipe()
Pipe的本质是进程之间的数据传递,而不是数据共享,这和socket有点像。pipe()返回两个连接对象分别表示管道的两端,每端都有send()和recv()方法。如果两个进程试图在同一时间的同一端进行读取和写入那么,这可能会损坏管道中的数据。
# from multiprocessing import Pipe,Process## def foo(conn):# conn.send('dw')# print(conn.recv())### if __name__ == '__main__':# sock, conn = Pipe()# q=Process(target=foo,args=(conn,))# q.start()## print(sock.recv())# sock.send('dd')
=================================================================
Manager
Queue和pipe只是实现了数据交互,并没实现数据共享,即一个进程去更改另一个进程的数据。
通过Manager可实现进程间数据的共享。Manager()返回的manager对象会通过一个服务进程,来使其他进程通过代理的方式操作python对象。manager对象支持 list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value ,Array.
# from multiprocessing import Manager,Process## def foo(d,x,y):# d[x]=y# if __name__ == '__main__':# manager=Manager()# Mdict=manager.dict({'kill':9572})# l=[]# for i in range(5):# p=Process(target=foo,args=(Mdict,'dog{}'.format(i),i))# p.start()# l.append(p)# for j in l :# j.join()## print(Mdict)
=================================================================
进程池
由于进程启动的开销比较大,使用多进程的时候会导致大量内存空间被消耗。为了防止这种情况发生可以使用进程池,(由于启动线程的开销比较小,所以不需要线程池这种概念,多线程只会频繁得切换cpu导致系统变慢,并不会占用过多的内存空间)
进程池中常用方法:
apply() 同步执行(串行)
apply_async() 异步执行(并行)
terminate() 立刻关闭进程池
close() 等待所有进程结束后,才关闭进程池。
join() 主进程等待所有子进程执行完毕。必须在close或terminate()之后。
# from multiprocessing import Pool# import time## def foo(n):# print(n)# time.sleep(1)# if __name__ == '__main__':# pool_obj=Pool(5)#进程池内有5个进程## for i in range(100):#开100任务# p=pool_obj.apply_async(func=foo,args=(i,))## print(p,type(p))# print(pool_obj,type(pool_obj))# pool_obj.close()# pool_obj.join()
=================================================================
协程
协程,又称微线程,纤程。英文名Coroutine。一句话说明什么是线程:协程是一种用户态的轻量级线程。
协程拥有自己的寄存器上下文和栈。协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈。因此:协程能保留上一次调用时的状态(即所有局部状态的一个特定组合),每次过程重入时,就相当于进入上一次调用的状态,换种说法:进入上一次离开时所处逻辑流的位置。
yield实现协程
# import time## def consumer():# r = ''# while True:# n = yield r# print('消费%s'%n)# time.sleep(1)# r='200 ok'## def produce(c):# next(c)# n = 0# while n<5:# n+=1# print('生产%s'%n)# cr = c.send(n)## print('消费反馈%s'%cr)# c.close()## if __name__ == '__main__':# c=consumer()# produce(c)-------------------------------------------------------------------------------------------------------------------
greenlet模块
greenlet机制的主要思想是:生成器函数或者协程函数中的yield语句挂起函数的执行,直到稍后使用next()或send()操作进行恢复为止。可以使用一个调度器循环在一组生成器函数之间协作多个任务。greentlet是python中实现我们所谓的"Coroutine(协程)"的一个基础库.
import greenletdef foo(): print(1) b.switch() print(3) b.switch()def bar(): print(2) f.switch() print(4)f=greenlet.greenlet(foo)b=greenlet.greenlet(bar)f.switch()-------------------------------------------------------------------------------------------------------------------
Python通过yield提供了对协程的基本支持,但是不完全。而第三方的gevent为Python提供了比较完善的协程支持。
gevent是第三方库,通过greenlet实现协程,其基本思想是:
当一个greenlet遇到IO操作时,比如访问网络,就自动切换到其他的greenlet,等到IO操作完成,再在适当的时候切换回来继续执行。由于IO操作非常耗时,经常使程序处于等待状态,有了gevent为我们自动切换协程,就保证总有greenlet在运行,而不是等待IO。
由于切换是在IO操作时自动完成,所以gevent需要修改Python自带的一些标准库,这一过程在启动时通过monkey patch完成。
# import re,requests,time,gevent# def foo(url):## response=requests.get(url)# response_str=response.text# return response_str## def bar(url):# res=foo(url)# obj=re.compile('<img src="(.*?)" width="251" height="360" title=".*?" alt=".*?">',re.S)# lis = obj.findall(res)# print(lis)# if __name__ == '__main__':# s=time.time()# gevent.joinall([gevent.spawn(bar,'http://www.youwu.cc/tag/boluoshe/list_1.html'), # gevent.spawn(bar, 'http://www.youwu.cc/tag/boluoshe/list_2.html'), # gevent.spawn(bar, 'http://www.youwu.cc/tag/boluoshe/list_3.html'), # gevent.spawn(bar, 'http://www.youwu.cc/tag/boluoshe/list_4.html'), # gevent.spawn(bar, 'http://www.youwu.cc/tag/boluoshe/list_5.html')]) # print(time.time()-s)
- python---进程与线程(四)---process类,进程间通信,进程池,协程
- Linux进程、线程与进程间通信
- 进程与线程及进程间通信
- Python基础-多进程-线程池Pool-进程间通信
- android进程与线程详解四:线程安全和进程间通信
- android进程与线程详解四:线程安全和进程间通信
- android进程与线程详解四:线程安全和进程间通信
- JAVA线程与线程、进程与进程间通信
- JAVA线程与线程、进程与进程间通信
- python(十)线程与进程(中):进程、协程
- 进程间通信与线程间通信
- 进程间通信与线程间通信
- 进程间通信与线程间通信
- 进程间通信与线程间通信
- 进程间通信与线程间通信 .
- 进程间通信与线程间通信
- 进程间通信与线程间通信
- 线程间通信与进程间通信
- 数据库的原理
- 模式匹配(indexOf)
- spark源码系列文章------shuffle模块详解
- 模式匹配 KMP
- 极光推送Cordova插件—AndroidStudio运行Demo
- python---进程与线程(四)---process类,进程间通信,进程池,协程
- 栈实现进制转换
- 栈实现HTML和UBB的转换
- 字节流转换字符流简单工具类
- 笔记本如何同时上内外网
- elasticsearch与oracle数据库数据同步
- P 问题和 NP 问题
- 循环队列的基础操作(C++)
- 二叉树的遍历