位置：首页-资讯-后端开发

Python多进程之进程同步及通信详解

2024-04-02 19:55

短信预约 -IT技能 免费直播动态提醒

进程同步

当多个进程使用同一份数据资源的时候，因为进程的运行没有顺序，运行起来也无法控制，如果不加以干预，往往会引发数据安全或顺序混乱的问题，所以要在多个进程读写共享数据资源的时候加以适当的策略，来保证数据的一致性问题。

Lock（锁）

一个Lock对象有两个方法：acquire()和release()来控制共享数据的读写权限, 看下面这张图片，使用多进程的时候会经常出现这种情况，这是因为多个进程都在抢占输出资源，共享同一打印终端，从而造成了输出信息的错乱。

那么就可以使用Lock机制：


import multiprocessing
import random
import time
def work(lock, i):
    lock.acquire()
    print("work'{}'执行中......".format(i), multiprocessing.current_process().name, multiprocessing.current_process().pid)
    time.sleep(random.randint(0, 2))
    print("work'{}'执行完毕......".format(i))
    lock.release()
if __name__ == '__main__':
    lock = multiprocessing.Lock()
    for i in range(5):
        p = multiprocessing.Process(target=work, args=(lock, i))
        p.start()

由于引入了Lock机制，同一时间只能有一个进程抢占到输出资源，其他进程等待该进程结束，锁释放到，才可以抢占，这样会解决多进程间资源竞争导致数据错乱的问题，但是由并发执行变成了串行执行，会牺牲运行效率。

进程通信

上篇文章说过，进程之间互相隔离，数据是独立的，默认情况下互不影响，那要如何实现进程间通信呢？Python提供了多种进程通信的方式，下面就来说一下。

Queue（队列）

multiprocessing模块提供的Queue多进程安全的消息队列，可以实现多进程之间的数据传递。

说明

初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最⼤可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）。
Queue.qsize()：返回当前队列包含的消息数量。
Queue.empty()：如果队列为空，返回True，反之False。
Queue.full()：如果队列满了，返回True,反之False。
Queue.get(block, timeout)：获取队列中的⼀条消息，然后将其从列队中移除，block默认值为True。如果block使⽤默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为⽌，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出Queue.Empty异常；如果block值为False，消息列队如果为空，则会⽴刻抛出Queue.Empty异常。
Queue.get_nowait()：相当Queue.get(False)。
Queue.put(item, block, timeout)：将item消息写⼊队列，block默认值为True，如果block使⽤默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写⼊，此时程序将被阻塞（停在写⼊状态），直到消息列队腾出空间为⽌，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出Queue.Full异常；如果block值为False，消息列队如果没有空间可写⼊，则会⽴刻抛出Queue.Full异常。
Queue.put_nowait(item)：相当于Queue.put(item, False)。


from multiprocessing import Process, Queue
import time
def write_task(queue):
    """
    向队列中写入数据
    :param queue: 队列
    :return:
    """
    for i in range(5):
        if queue.full():
            print("队列已满!")
        message = "消息{}".format(str(i))
        queue.put(message)
        print("消息{}写入队列".format(str(i)))
def read_task(queue):
    """
    从队列读取数据
    :param queue: 队列
    :return:
    """
    while True:
        print("从队列读取:{}".format(queue.get(True)))
if __name__ == '__main__':
    print("主进程执行......")
    # 主进程创建Queue，最大消息数量为3
    queue = Queue(3)
    pw = Process(target=write_task, args=(queue, ))
    pr = Process(target=read_task, args=(queue, ))
    pw.start()
    pr.start()

运行结果为：

从结果我们可以看出，队列最大可以放入3条消息，后面再来消息，要等read_task从队列里取出后才行。

Pipe（管道）

Pipe常用于两个进程，两个进程分别位于管道的两端，Pipe(duplex)方法返回（conn1,conn2）代表一个管道的两端，duplex参数默认为True，即全双工模式，若为False，conn1只负责接收信息，conn2负责发送。

send()和recv()方法分别是发送和接受消息的方法。


import multiprocessing
import time
import random
def proc_send(pipe):
    """
    发送消息
    :param pipe:管道一端
    :return:
    """
    for i in range(10):
        print("process send:{}".format(str(i)))
        pipe.send(i)
        time.sleep(random.random())
def proc_recv(pipe):
    """
    接收消息
    :param pipe:管道一端
    :return:
    """
    while True:
        print("Process recv:{}".format(pipe.recv()))
        time.sleep(random.random())
if __name__ == '__main__':
    # 主进程创建pipe
    pipe = multiprocessing.Pipe()
    p1 = multiprocessing.Process(target=proc_send,args=(pipe[0], ))
    p2 = multiprocessing.Process(target=proc_recv,args=(pipe[1], ))
    p1.start()
    p2.start()
    p1.join()
    p2.terminate()

执行结果为：

Semaphore（信号量）

Semaphore用来控制对共享资源的访问数量，和进程池的最大连接数类似。


import multiprocessing
import random
import time
def work(s, i):
    s.acquire()
    print("work'{}'执行中......".format(i), multiprocessing.current_process().name, multiprocessing.current_process().pid)
    time.sleep(i*2)
    print("work'{}'执行完毕......".format(i))
    s.release()
if __name__ == '__main__':
    s = multiprocessing.Semaphore(2)
    for i in range(1, 7):
        p = multiprocessing.Process(target=work, args=(s, i))
        p.start()

上面的代码中使用Semaphore限制了最多有2个进程同时执行，那么来一个进程获得一把锁，计数加1，当计数等于2时，后面再来的进程均需要等待，等前面的进程释放掉，才可以获得锁。

信号量与进程池的概念上类似，但是要区分开来，信号量涉及到加锁的概念。

Event（事件）

Event用来实现进程间同步通信的。运行的机制是：全局定义了一个flag，如果flag值为False，当程序执行event.wait()方法时就会阻塞，如果flag值为True时，程序执行event.wait()方法时不会阻塞继续执行。

Event常⽤函数：

event.wait()：在进程中插入一个标记（flag），默认为False，可以设置timeout。
event.set()：使flag为Ture。
event.clear()：使flag为False。
event.is_set()：判断flag是否为True。


import multiprocessing
import time
def wait_for_event(e):
    print("wait_for_event执行")
    e.wait()
    print("wait_for_event: e.is_set():{}".format(e.is_set()))
def wait_for_event_timeout(e, t):
    print("wait_for_event_timeout执行")
    # 只会阻塞2s
    e.wait(t)
    print("wait_for_event_timeout:e.is_set:{}".format(e.is_set()))
if __name__ == "__main__":
    e = multiprocessing.Event()
    p1 = multiprocessing.Process(target=wait_for_event, args=(e,))
    p1.start()
    p2 = multiprocessing.Process(target=wait_for_event_timeout, args=(e, 2))
    p2.start()
    time.sleep(4)
    # 4s之后使用e.set()将flag设为Ture
    e.set()
    print("主进程:flag设置为True")

执行结果如下：