python3--队列Queue,管道Pipe,进程之间的数据共享,进程池Pool,回调函数callback

from multiprocessing import Process,Queue
q = Queue()
print(q.empty())  # 判断队列Queue是否为空
print(q.full())  # 判断队列Queue是否满了(不能存放了)

from multiprocessing import Process, Queue
q = Queue(10)  #设置队列容量为10
for i in range(10):
    q.put(i)
print(q.qsize())  # 返回队列中目前项目的正确数量(多进程不准)
print(q.full())   # 返回队列是否以满(True/False)(多进程不准)
q.put(1111)  # 阻塞,后面代码不会执行--队列已满
print(q.empty())
print(q.full())

import time
import os
from multiprocessing import Process, Queue
def wahaha(q):
    print(q.get(), os.getpid())  # os.getpid()进程id号
    q.put(2)


if __name__ == '__main__':
    q = Queue()
    p = Process(target=wahaha, args=(q,))
    p.start()
    q.put(222)
    time.sleep(0.2)
    print(q.get(), os.getppid())  # os.getppid()父进程id号

import time
import random
from multiprocessing import Process,Queue
def consumer(q,name): #消费者
    while True:
        food = q.get()
        if food == 'done':break  #如果取到的值为done，则break
        time.sleep(random.random())
        print('{}吃了{}'.format(name, food))

def producer(q,name,food): #生产者
    for i in range(10):
        time.sleep(random.random())
        print('{}生成了{}{}'.format(name, food, i))
        q.put('{}{}'.format(food, i))


if __name__ == '__main__':
    q = Queue()
    p1 = Process(target=producer, args=(q, 'Sam', '饼干'))
    p2 = Process(target=producer, args=(q, 'Tom', '辣条'))
    p1.start()
    p2.start()
    Process(target=consumer, args=(q, '张三')).start()
    Process(target=consumer, args=(q, '李四')).start()
    p1.join()  # 等待消费者消耗
    p2.join()  # 等待消费者消耗
    q.put('done')  #一个done给进程p1
    q.put('done')  #一个done给进程p2

JoinableQueue的实例p除了与Queue对象相同的方法之外，还具有以下方法：
q.task_done() 
使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将
引发ValueError异常。
q.join() 
生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法
为止。 
下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。

import time
import random
from multiprocessing import Process,JoinableQueue
def consumer(q,name):  # 消费者
    while True:
        food = q.get()
        time.sleep(random.random())
        print('{}吃了{}'.format(name,food))
        q.task_done()

def producer(q,name,food): # 生产者
    for i in range(10):
        time.sleep(random.random())
        print('{}生产了{}{}'.format(name,food,i))
        q.put('{}{}'.format(food,i))
    q.join()  # 等到所有的数据都被task_done才结束


if __name__ == '__main__':
    q = JoinableQueue()
    p1 = Process(target=producer,args=(q,'111','热干面'))
    p2 = Process(target=producer,args=(q,'222','炸酱面'))
    p1.start()
    p2.start()
    c1 = Process(target=consumer, args=(q, 'Sam'))
    c2 = Process(target=consumer, args=(q, 'Tom'))
    c1.daemon = True  # 设置为守护进程
    c2.daemon = True  # 设置为守护进程
    c1.start()
    c2.start()
    p1.join()
    p2.join()

#创建管道的类：
Pipe([duplex]):在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调
一点：必须在产生Process对象之前产生管道
#参数介绍：
dumplex:默认管道是全双工的，如果将duplex射成False，conn1只能用于接收，conn2只能用于发送。
#主要方法：
    conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已
    经关闭，那么recv方法会抛出EOFError。
    conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象
 #其他方法：
conn1.close():关闭连接。如果conn1被垃圾回收，将自动调用此方法
conn1.fileno():返回连接使用的整数文件描述符
conn1.poll([timeout]):如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返
                      回结果。如果将timeout射成None，操作将无限期地等待数据到达。
 
conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数
如果进入的消息，超过了这个最大值，将引发IOError异常，并且在连接上无法进行进一步读取。如果连接的另外一端已经关
闭，再也不存在任何数据，将引发EOFError异常。

conn.send_bytes(buffer [, offset [, size]])：通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，
offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数
进行接收    
 
conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的
缓冲区接口（即bytearray对象或类似的对象）。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果
消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。

from multiprocessing import Pipe
left, right = Pipe()  # 左,右 即管道的两端
left.send('1234')  # 左边send
print(right.recv())  # 右边接收

from multiprocessing import Process,Pipe

def f(parent_conn, child_conn):
    parent_conn.close()  # 不写close将不会引发EOFError错误
    while True:
        try:
            print(child_conn.recv())
        except EOFError:
            child_conn.close()
            break


if __name__ == '__main__':
    parent_conn, child_conn = Pipe()
    p = Process(target=f,args=(parent_conn,child_conn))
    p.start()
    child_conn.close()
    parent_conn.send('hello')
    parent_conn.send('hi')
    parent_conn.send('你好')
    parent_conn.close()
    p.join()

from multiprocessing import Process, Pipe

def consumer(p, name):
    produce, consume = p
    produce.close()
    while True:
        try:
            baozi = consume.recv()
            print('%s 收到包子:%s' % (name, baozi))
        except EOFError:
            break

def producer(seq, p):
    produce, consume = p
    consume.close()
    for i in seq:
        produce.send(i)


if __name__ == '__main__':
    produce, consume = Pipe()
    c1 = Process(target=consumer, args=((produce, consume), 'c1'))
    c1.start()
    seq = (i for i in range(5))
    producer(seq, (produce, consume))
    produce.close()
    consume.close()
    c1.join()
    print('主进程')

from multiprocessing import Process,Pipe,Lock

def consumer(p,name,lock):
    produce, consume=p
    produce.close()
    while True:
        lock.acquire()
        baozi=consume.recv()
        lock.release()
        if baozi:
            print('%s 收到包子:%s' %(name,baozi))
        else:
            consume.close()
            break


def producer(p,n):
    produce, consume=p
    consume.close()
    for i in range(n):
        produce.send(i)
    produce.send(None)
    produce.send(None)
    produce.close()

if __name__ == '__main__':
    produce,consume=Pipe()
    lock = Lock()
    c1=Process(target=consumer,args=((produce,consume),'c1',lock))
    c2=Process(target=consumer,args=((produce,consume),'c2',lock))
    p1=Process(target=producer,args=((produce,consume),6))
    c1.start()
    c2.start()
    p1.start()

    produce.close()
    consume.close()

    c1.join()
    c2.join()
    p1.join()
    print('主进程')

进程间数据是独立的，可以借助于队列或管道实现通信，二者都是基于消息传递的
虽然进程间数据独立，但可以通过Manager实现数据共享，事实上Manager的功能远不止于此

A manager object returned by Manager() controls a server process which holds Python objects and allows other 
processes to manipulate them using proxies.

A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore, 
BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array.

from multiprocessing import Manager,Process,Lock
def func1(dic,lock):
    with lock:  # with用法：上下文管理：必须有一个开始动作和一个结束动作
        dic['count'] -= 1


if __name__ == '__main__':
    m = Manager()
    lock = Lock()
    dic = m.dict({'count':100})  #创建一个dic字典
    p_lst = []
    for i in range(100):
        p = Process(target=func1,args=(dic,lock))
        p_lst.append(p)
        p.start()
    for p in p_lst:p.join()
    print(dic)

1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值
2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None
3 initargs：是要传给initializer的参数组

1 p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
2 '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从
不同线程调用p.apply()函数或者使用p.apply_async()'''
3 
4 p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
5 '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传
给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''
6    
7 p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成
8 
9 P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用

1 方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
2 obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果
  远程操作中引发了异常，它将在调用此方法时再次被引发。
3 obj.ready():如果调用完成，返回True
4 obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
5 obj.wait([timeout]):等待结果变为可用。
6 obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此
  函数

import os
import time
from multiprocessing import Pool
def work(n):
    print('{} run'.format(os.getpid()))
    time.sleep(2)
    return n**2

if __name__ == '__main__':
    p = Pool(3)  # 进程池中从无到有创建三个进程，以后一直是这三个进程在执行任务
    res_1 = []
    for i in range(5):
        # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞
        # 但不管该任务是否存在阻塞，同步调用都会在原地等着
        res = p.apply(work, args=(i,))
    print(res_1)

import os
import time
import random
from multiprocessing import Pool

def work(n):
    print('{} run'.format(os.getpid()))
    time.sleep(random.random())
    return n**2

if __name__ == '__main__':
    p = Pool(3)
    res_l = []
    for i in range(5):
        res = p.apply_async(work, args=(i,))
        # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
        # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
        # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
        # 而是执行完一个就释放一个进程，这个进程就去接收新的任务。
        res_l.append(res)
    # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以
    # 用get收集结果
    # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
    p.close()
    p.join()
    for res in res_l:
        # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无
        # 需get
        print(res.get())

import time
import random
from multiprocessing import Pool
def func(i):
    print('func%s' % i)
    time.sleep(random.randint(1,3))
    return i**2
if __name__ == '__main__':
    p = Pool(5)
    ret_l = []
    for i in range(15):
        # p.apply(func=func,args=(i,))    # 同步调用
        ret = p.apply_async(func=func,args=(i,))# 异步调用
        ret_l.append(ret)
    for ret in ret_l : print(ret.get())
    # 主进程和所有的子进程异步了

#!/usr/bin/env python
# coding: utf-8
#Pool内的进程数默认是cpu核数，假设为4（查看方法os.cpu_count()）
#开启6个客户端，会发现2个客户端处于等待状态
#在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程
from socket import *
from multiprocessing import Pool
import os

server=socket(AF_INET,SOCK_STREAM)
server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
server.bind(('127.0.0.1',8080))
server.listen(5)

def talk(conn):
    print('进程pid: %s' %os.getpid())
    while True:
        try:
            msg=conn.recv(1024)
            if not msg:break
            conn.send(msg.upper())
        except Exception:
            break

if __name__ == '__main__':
    p=Pool(4)
    while True:
        conn,*_=server.accept()
        p.apply_async(talk,args=(conn,))
        # p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问

from socket import *

client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))


while True:
    msg=input('>>: ').strip()
    if not msg:continue

    client.send(msg.encode('utf-8'))
    msg=client.recv(1024)
    print(msg.decode('utf-8'))

需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进
程则调用一个函数去处理该结果，该函数即回调函数

我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就
省去了I/O的过程，直接拿到的是任务的结果。

import os
from urllib.request import urlopen
from multiprocessing import Pool
def get_url(url):
    print('-->',url,os.getpid())
    ret = urlopen(url)
    content = ret.read()
    return url

def call(url):
    # 分析
    print(url,os.getpid())

if __name__ == '__main__':
    print(os.getpid())
    l = [
        'http://www.baidu.com',  # 5
        'http://www.sina.com',
        'http://www.sohu.com',
        'http://www.sogou.com',
        'http://www.qq.com',
        'http://www.bilibili.com',  #0.1
    ]
    p = Pool(5)   # count(cpu)+1
    ret_l = []
    for url in l:
        ret = p.apply_async(func = get_url,args=[url,],callback=call)
        ret_l.append(ret)
    for ret in ret_l : ret.get()


# 回调函数
# 在进程池中，起了一个任务，这个任务对应的函数在执行完毕之后
# 的返回值会自动作为参数返回给回调函数
# 回调函数就根据返回值再进行相应的处理
# 回调函数 是在主进程执行的