欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python全栈之队列详解

程序员文章站 2022-03-02 16:04:01
目录1. lock互斥锁2. 事件_红绿灯效果2.1 信号量_semaphore2.2 事件_红绿灯效果3. queue进程队列4. 生产者消费者模型5. joinablequeue队列使用6. 总结...

1. lock互斥锁

知识点:

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.

程序实现:

# ### 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。
"""	

ticket文件

{"count": 0}

Python全栈之队列详解

2. 事件_红绿灯效果

2.1 信号量_semaphore

# ### 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 , process
import 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 ~

2.2 事件_红绿灯效果

# ### 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,event
import 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true
e.set()
# 判断内部成员属性是否是true
e.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false
e.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 .... ")

事件知识点:

# 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)

3. queue进程队列

# ### 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ipc
def 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>")

小提示: 一般主进程比子进程执行的快一些

Python全栈之队列详解

队列知识点:

# 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put
q.empty()      检测是否为空  (了解)
q.full() 	   检测是否已经存满 (了解)

4. 生产者消费者模型

# ### 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,queue
import 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,queue
import 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,queue
import 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
	# ... 

Python全栈之队列详解

5. joinablequeue队列使用

# ### 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+1
get 一次数据, 通过task_done让队列的内置计数器属性值-1
join: 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 joinablequeue
jq = joinablequeue()
jq.put("王同培") # +1
jq.put("王伟")   # +2
print(jq.get())
print(jq.get())
# print(jq.get()) 阻塞
jq.task_done()   # -1
jq.task_done()   # -1
jq.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,queue
import 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 ... ")

6. 总结

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)

本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注的更多内容!