自学教程：Python全栈之队列详解

lock.acquire()# 上锁lock.release()# 解锁#同一时间允许一个进程上一把锁 就是Lock	加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲速度却保证了数据安全。#同一时间允许多个进程上多把锁 就是[信号量Semaphore]	信号量是锁的变形: 实际实现是 计数器 + 锁,同时允许多个进程上锁	# 互斥锁Lock : 互斥锁就是进程的互相排斥,谁先抢到资源,谁就上锁改资源内容,为了保证数据的同步性# 注意:多个锁一起上,不开锁,会造成死锁.上锁和解锁是一对.

# ### 锁 lock 互斥锁from multiprocessing import Process,Lock""" 上锁和解锁是一对, 连续上锁不解锁是死锁 ,只有在解锁的状态下,其他进程才有机会上锁 """"""# 创建一把锁lock = Lock()# 上锁lock.acquire()# lock.acquire() # 连续上锁,造成了死锁现象;print("我在袅袅炊烟 ..  你在焦急等待 ... 厕所进行时 ... ")# 解锁lock.release()"""# ### 12306 抢票软件import json,time,random# 1.读写数据库当中的票数def wr_info(sign , dic=None):	if sign == "r":		with open("ticket",mode="r",encoding="utf-8") as fp:			dic = json.load(fp)		return dic	elif sign == "w":		with open("ticket",mode="w",encoding="utf-8") as fp:			json.dump(dic,fp)# dic = wr_info("w",dic={"count":0})# print(dic , type(dic) )# 2.执行抢票的方法def get_ticket(person):	# 先获取数据库中实际票数	dic = wr_info("r")	# 模拟一下网络延迟	time.sleep(random.uniform(0.1,0.7))	# 判断票数	if dic["count"] > 0:		print("{}抢到票了".format(person))		# 抢到票后,让当前票数减1		dic["count"] -= 1		# 更新数据库中的票数		wr_info("w",dic)	else:		print("{}没有抢到票哦".format(person))# 3.对抢票和读写票数做一个统一的调用def main(person,lock):	# 查看剩余票数	dic = wr_info("r")	print("{}查看票数剩余: {}".format(person,dic["count"]))	# 上锁	lock.acquire()	# 开始抢票	get_ticket(person)	# 解锁 	lock.release()if __name__ == "__main__":	lock = Lock()	lst = ["梁新宇","康裕康","张保张","于朝志","薛宇健","韩瑞瑞","假摔先","刘子涛","黎明辉","赵凤勇"]	for i in lst:		p = Process(    target=main,args=(  i  , lock  )   )		p.start()"""创建进程,开始抢票是异步并发程序直到开始抢票的时候,变成同步程序,先抢到锁资源的先执行,后抢到锁资源的后执行;按照顺序依次执行;是同步程序;抢票的时候，变成同步程序，好处是可以等到数据修改完成之后，在让下一个人抢，保证数据不乱。如果不上锁的话，只剩一张票的时候，那么所有的人都能抢到票，因为程序执行的速度太快，所以接近同步进程，导致数据也不对。"""	

{"count": 0}

# ### 信号量 Semaphore 本质上就是锁,只不过是多个进程上多把锁,可以控制上锁的数量"""Semaphore = lock + 数量 """from multiprocessing import Semaphore , Processimport time , random"""	# 同一时间允许多个进程上5把锁	sem = Semaphore(5)	#上锁	sem.acquire()	print("执行操作 ... ")	#解锁	sem.release()"""def singsong_ktv(person,sem):	# 上锁	sem.acquire()	print("{}进入了唱吧ktv , 正在唱歌 ~".format(person))	# 唱一段时间	time.sleep( random.randrange(4,8) ) # 4 5 6 7	print("{}离开了唱吧ktv , 唱完了 ... ".format(person))	# 解锁	sem.release()if __name__ == "__main__":	sem = Semaphore(5)	lst = ["赵凤勇" , "沈思雨", "赵万里" , "张宇" , "假率先" , "孙杰龙" , "陈璐" , "王雨涵" , "杨元涛" , "刘一凤"   ]	for i  in lst:		p = Process(target=singsong_ktv , args = (i , sem)		)		p.start()"""# 总结: Semaphore 可以设置上锁的数量 , 同一时间上多把锁创建进程时,是异步并发,执行任务时,是同步程序;"""# 赵万里进入了唱吧ktv , 正在唱歌 ~# 赵凤勇进入了唱吧ktv , 正在唱歌 ~# 张宇进入了唱吧ktv , 正在唱歌 ~# 沈思雨进入了唱吧ktv , 正在唱歌 ~# 孙杰龙进入了唱吧ktv , 正在唱歌 ~

# ### 事件 (Event)"""# 阻塞事件 ：	e = Event()生成事件对象e   	e.wait()动态给程序加阻塞 , 程序当中是否加阻塞完全取决于该对象中的is_set() [默认返回值是False]    # 如果是True  不加阻塞    # 如果是False 加阻塞# 控制这个属性的值    # set()方法     将这个属性的值改成True    # clear()方法   将这个属性的值改成False    # is_set()方法  判断当前的属性是否为True  (默认上来是False)"""from multiprocessing import Process,Eventimport time , random# 1'''e = Event()# 默认属性值是False.print(e.is_set()) # 判断内部成员属性是否是False e.wait()# 如果是False , 代码程序阻塞print(" 代码执行中 ...  ")'''# 2'''e = Event()# 将这个属性的值改成Truee.set()# 判断内部成员属性是否是Truee.wait()# 如果是True , 代码程序不阻塞print(" 代码执行中 ...  ")# 将这个属性的值改成Falsee.clear()e.wait()print(" 代码执行中 .... 2")'''# 3"""e = Event()# wait(3) 代表最多等待3秒;e.wait(3)print(" 代码执行中 .... 3")"""# ### 模拟经典红绿灯效果# 红绿灯切换def traffic_light(e):	print("红灯亮")	while True:		if e.is_set():			# 绿灯状态 -> 切红灯			time.sleep(1)			print("红灯亮")			# True => False			e.clear()		else:			# 红灯状态 -> 切绿灯			time.sleep(1)			print("绿灯亮")			# False => True			e.set()# e = Event()# traffic_light(e)# 车的状态def car(e,i):	# 判断是否是红灯,如果是加上wait阻塞	if not e.is_set():		print("car{} 在等待 ... ".format(i))		e.wait()	# 否则不是,代表绿灯通行;	print("car{} 通行了 ... ".format(i))"""	# 1.全国红绿灯if __name__ == "__main__":	e = Event()	# 创建交通灯	p1 = Process(target=traffic_light , args=(e,))	p1.start()	# 创建小车进程	for i in range(1,21):		time.sleep(random.randrange(2))		p2 = Process(target=car , args=(e,i))		p2.start()"""# 2.包头红绿灯,没有车的时候,把红绿灯关了,省电;if __name__ == "__main__":	lst = []	e = Event()	# 创建交通灯	p1 = Process(target=traffic_light , args=(e,))	# 设置红绿灯为守护进程	p1.daemon = True	p1.start()	# 创建小车进程	for i in range(1,21):		time.sleep(random.randrange(2))		p2 = Process(target=car , args=(e,i))		lst.append(p2)		p2.start()	# 让所有的小车全部跑完,把红绿灯炸飞	print(lst)	for i in lst:		i.join()	print("关闭成功 .... ")

# 阻塞事件 ：	e = Event()生成事件对象e   	e.wait()动态给程序加阻塞 , 程序当中是否加阻塞完全取决于该对象中的is_set() [默认返回值是False]    # 如果是True  不加阻塞    # 如果是False 加阻塞# 控制这个属性的值    # set()方法     将这个属性的值改成True    # clear()方法   将这个属性的值改成False    # is_set()方法  判断当前的属性是否为True  (默认上来是False)

# ### 进程队列（进程与子进程是相互隔离的，如果两者想要进行通信，可以利用队列实现）from multiprocessing import Process,Queue# 引入线程模块; 为了捕捉queue.Empty异常;import queue# 1.基本语法"""顺序: 先进先出,后进后出"""# 创建进程队列q = Queue()# put() 存放q.put(1)q.put(2)q.put(3)# get() 获取"""在获取不到任何数据时,会出现阻塞"""# print(  q.get()  )# print(  q.get()  )# print(  q.get()  )# print(  q.get()  )# get_nowait() 拿不到数据报异常"""[windows]效果正常  [linux]不兼容"""try:	print(  q.get_nowait()  )	print(  q.get_nowait()  )	print(  q.get_nowait()  )	print(  q.get_nowait()  )except : #queue.Empty	pass# put_nowait() 非阻塞版本的put# 设置当前队列最大长度为3 ( 元素个数最多是3个 )"""在指定队列长度的情况下,如果塞入过多的数据,会导致阻塞"""# q2 = Queue(3)# q2.put(111)# q2.put(222)# q2.put(333)# q2.put(444)"""使用put_nowait 在队列已满的情况下,塞入数据会直接报错"""q2 = Queue(3)try:	q2.put_nowait(111)	q2.put_nowait(222)	q2.put_nowait(333)	q2.put_nowait(444)except:	pass# 2.进程间的通信IPCdef func(q):	# 2.子进程获取主进程存放的数据	res = q.get()	print(res,"<22>")	# 3.子进程中存放数据	q.put("刘一缝")if __name__ == "__main__":	q3 = Queue()	p = Process(target=func,args=(q3,))	p.start()	# 1.主进程存入数据	q3.put("赵凤勇")	# 为了等待子进程把数据存放队列后,主进程在获取数据;	p.join()	# 4.主进程获取子进程存放的数据	print(q3.get() , "<33>")

# 进程间通信 IPC# IPC Inter-Process Communication# 实现进程之间通信的两种机制:    # 管道 Pipe    # 队列 Queue# put() 存放# get() 获取# get_nowait() 拿不到报异常# put_nowait() 非阻塞版本的putq.empty()      检测是否为空  (了解)q.full() 	   检测是否已经存满 (了解)

# ### 生产者和消费者模型 """# 爬虫案例1号进程负责抓取其他多个网站中相关的关键字信息,正则匹配到队列中存储(mysql)2号进程负责把队列中的内容拿取出来,将经过修饰后的内容布局到自个的网站中1号进程可以理解成生产者2号进程可以理解成消费者从程序上来看 	生产者负责存储数据 (put)	消费者负责获取数据 (get)生产者和消费者比较理想的模型:	生产多少,消费多少 . 生产数据的速度 和 消费数据的速度 相对一致	"""# 1.基础版生产着消费者模型"""问题 : 当前模型,程序不能正常终止 """"""from multiprocessing import Process,Queueimport time,random# 消费者模型def consumer(q,name):	while True:		# 获取队列中的数据		food = q.get()		time.sleep(random.uniform(0.1,1))		print("{}吃了{}".format(name,food))# 生产者模型def producer(q,name,food):	for i in range(5):		time.sleep(random.uniform(0.1,1))		# 展示生产的数据		print(  "{}生产了{}".format(  name , food+str(i)  )   )		# 存储生产的数据在队列中		q.put(food+str(i))if __name__ == "__main__":	q = Queue()	p1 = Process(  target=consumer,args=(q , "赵万里")  )	p2 = Process(  target=producer,args=(q , "赵沈阳" , "香蕉" )  )	p1.start()	p2.start()	p2.join()"""# 2.优化模型"""特点 : 手动在队列的最后,加入标识None, 终止消费者模型""""""from multiprocessing import Process,Queueimport time,random# 消费者模型def consumer(q,name):	while True:		# 获取队列中的数据		food = q.get()		# 如果最后一次获取的数据是None , 代表队列已经没有更多数据可以获取了,终止循环;		if food is None:			break		time.sleep(random.uniform(0.1,1))		print("{}吃了{}".format(name,food))# 生产者模型def producer(q,name,food):	for i in range(5):		time.sleep(random.uniform(0.1,1))		# 展示生产的数据		print(  "{}生产了{}".format(  name , food+str(i)  )   )		# 存储生产的数据在队列中		q.put(food+str(i))if __name__ == "__main__":	q = Queue()	p1 = Process(  target=consumer,args=(q , "赵万里")  )	p2 = Process(  target=producer,args=(q , "赵沈阳" , "香蕉" )  )	p1.start()	p2.start()	p2.join()	q.put(None) # 香蕉0 香蕉1 香蕉2 香蕉3 香蕉4 None"""# 3.多个生产者和消费者""" 问题 : 虽然可以解决问题 , 但是需要加入多个None  , 代码冗余"""from multiprocessing import Process,Queueimport time,random# 消费者模型def consumer(q,name):	while True:		# 获取队列中的数据		food = q.get()		# 如果最后一次获取的数据是None , 代表队列已经没有更多数据可以获取了,终止循环;		if food is None:			break		time.sleep(random.uniform(0.1,1))		print("{}吃了{}".format(name,food))# 生产者模型def producer(q,name,food):	for i in range(5):		time.sleep(random.uniform(0.1,1))		# 展示生产的数据		print(  "{}生产了{}".format(  name , food+str(i)  )   )		# 存储生产的数据在队列中		q.put(food+str(i))if __name__ == "__main__":	q = Queue()	p1 = Process(  target=consumer,args=(q , "赵万里")  )	p1_1 = Process(  target=consumer,args=(q , "赵世超")  )	p2 = Process(  target=producer,args=(q , "赵沈阳" , "香蕉" )  )	p2_2 = Process(  target=producer,args=(q , "赵凤勇" , "大蒜" )  )	p1.start()	p1_1.start()	p2.start()	p2_2.start()	# 等待所有数据填充完毕	p2.join()	p2_2.join()	# 把None 关键字放在整个队列的最后,作为跳出消费者循环的标识符;	q.put(None) # 给第一个消费者加一个None , 用来终止	q.put(None) # 给第二个消费者加一个None , 用来终止	# ... 

# ### JoinableQueue 队列"""put 存放  get 获取  task_done 计算器属性值-1  join 配合task_done来使用 , 阻塞put 一次数据, 队列的内置计数器属性值+1get 一次数据, 通过task_done让队列的内置计数器属性值-1join: 会根据队列计数器的属性值来判断是否阻塞或者放行	队列计数器属性是 等于 0 ,  代码不阻塞放行	队列计数器属性是 不等 0 ,  意味着代码阻塞"""from multiprocessing  import JoinableQueuejq = JoinableQueue()jq.put("王同培") # +1jq.put("王伟")   # +2print(jq.get())print(jq.get())# print(jq.get()) 阻塞jq.task_done()   # -1jq.task_done()   # -1jq.join()print(" 代码执行结束 .... ")# ### 2.使用JoinableQueue 改造生产着消费者模型from multiprocessing import Process,Queueimport time,random# 消费者模型def consumer(q,name):	while True:		# 获取队列中的数据		food = q.get()		time.sleep(random.uniform(0.1,1))		print("{}吃了{}".format(name,food))		# 让队列的内置计数器属性-1		q.task_done()# 生产者模型def producer(q,name,food):	for i in range(5):		time.sleep(random.uniform(0.1,1))		# 展示生产的数据		print(  "{}生产了{}".format(  name , food+str(i)  )   )		# 存储生产的数据在队列中		q.put(food+str(i))if __name__ == "__main__":	q = JoinableQueue()	p1 = Process(  target=consumer,args=(q , "赵万里")  )	p2 = Process(  target=producer,args=(q , "赵沈阳" , "香蕉" )  )	p1.daemon = True	p1.start()	p2.start()	p2.join()	# 必须等待队列中的所有数据全部消费完毕,再放行	q.join()	print("程序结束 ... ")

ipc可以让进程之间进行通信lock其实也让进程之间进行通信了，多个进程去抢一把锁，一个进程抢到这 把锁了，其他的进程就抢不到这把锁了，进程通过socket底层互相发消息，告诉其他进程当前状态已经被锁定了，不能再强了。进程之间默认是隔离的，不能通信的，如果想要通信，必须通过ipc的方式（lock、joinablequeue、Manager）