您现在的位置是：首页 > 文章详情

Python 系统编程 (全)

日期：2018-08-21点击：425收藏

进程

1.进程
简单的说就是实现唱歌跳舞同时进行，那么就需要一个新的方法，叫做：多任务

2.多任务的概念
    ①简单地说，就是操作系统可以同时运行多个任务
    ②并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行
    ③就是说当cpu核心数量大于任务数量就是并行，反过来，就是并发
    ④依照的规则有时间片轮转，优先级调度

3.进程的创建-fork
    ①程序：编写完毕的代码，在没有运行的时候，称之为程序
    ②进程：正在运行着的代码，还有需要运行的环境等
    ③fork( )：
    Python的os模块封装了常见的系统调用，其中就包括fork

import os # 注意，fork函数，只在Unix/Linux/Mac上运行，windows不可以 pid = os.fork()     if pid == 0:         print('哈哈1')     else:       print('哈哈2') # 程序执行到os.fork()时，操作系统会创建一个新的进程（子进程），然后复制父进程的所有信息到子进程中 # 然后父进程和子进程都会从fork()函数中得到一个返回值，在子进程中这个值一定是0，而父进程中是子进程的 id号 # 普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回 # getpid()是获取当前进程（主进程或子进程）的id、getppid()获取父进程的id

4.多进程修改全局变量
多进程中，每个进程中所有数据（包括全局变量）都各有拥有一份，互不影响，所以在修改全局变量的时候，两个变量相互独立

5.多次fork问题
下次遇到多进程就画图，再如：

os.fork() os.fork() os.fork()      # 就变成了8个进程

在while True中，如果有os.fork()，程序一定崩，这就相当于fork炸弹，死循环创建进程

6.multiprocessing模块
    ①multiprocessing模块提供了一个Process类来代表一个进程对象
    ②跨平台的操作，fork只在linux下才有效，所以平时应该使用process,它是一个类
    程序如下：

from multiprocessing import Process import time def test():     while True:         print("---test---")         time.sleep(1)          P = Process(target=test) P.start()  # 让这个进程开始执行test函数里的代码 while True:     print("---main---")     time.sleep(1) 说明： # 创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动 # 这样创建进程比fork()还要简单 # join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步，这就与fork不同，需要等子进程结束，主进程才可以结束

7.Process语法结构

Process([group [, target [, name [,  args [, kwargs]]]]])

    ①target：表示这个进程实例所调用对象；
    ②args：表示调用对象的位置参数元组；
    ③kwargs：表示调用对象的关键字参数字典；
    ④name：为当前进程实例的别名；
    ⑤group：大多数情况下用不到；

8.Process类常用方法
    ①is_alive()：判断进程实例是否还在执行；
    ②join([timeout])：是否等待进程实例执行结束，或等待多少秒；
    ③start()：启动进程实例（创建子进程）；
    ④run()：如果没有给定target参数，对这个对象调用start()方法时，就将执行对象中的run()方法；
    ⑤terminate()：不管任务是否完成，立即终止；

9.Process类常用属性
    ①name：当前进程实例别名，默认为Process-N，N为从1开始递增的整数；
    ②pid：当前进程实例的PID值
    ③进程的创建-Process子类：
        创建新的进程还能够使用类的方式，可以自定义一个类，继承Process类，每次实例化这个类的时候，就等同于实例化一个进程对象
        如果想知道程序的运行时间，可以用开始和结束的time.time()两个时间差，就代表运行时间

10.进程池pool
①当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程
②但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法

P0 = Pool(3) # 定义一个进程池，最大进程数3  for i in range(0,10):     # Pool.apply_async(要调用的目标,(传递给目标的参数元组,))（非堵塞式）     # Pool.apply(worker,(i,)) （堵塞式），主进程卡在这里，需要等子进程完成才能添加     # 每次循环将会用空闲出来的子进程去调用目标          P0.apply_async(worker,(i,)) # work是一个函数     P0.close() # 关闭进程池，关闭后po不再接收新的请求     P0.join() # 等待po中所有子进程执行完成，必须放在close语句之后

11.多种创建进程的方式比较
os.fork()中，子进程和父进程可以都执行，而且父进程可以不必等待子进程结束

p = process(target=xxx) p.start() # 子进程和父进程都可执行

pool = Pool(3) pool.apply_async(xxx) # 主进程一般用来等待，真正的任务都在子进程中执行

12.进程间通信-Queue
    ①Process之间有时需要通信，操作系统提供了很多机制来实现进程间的通信。
    ②Queue的使用：
        可以使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序
        队列：先进先出
        栈：先进后出
        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）

from multiprocessing import Queue q = Queue(3) # 初始化一个Queue对象，最多可接收三条put消息 try:     q.put_nowait("消息4") except:     print("消息列队已满，现有消息数量:%s"%q.qsize())

        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
        Queue.get_nowait()：相当Queue.get(False)；应该把它放在try里面
        Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True
    ③进程池中的Queue：
        如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()

13.孤儿进程和僵尸进程
    ①孤儿进程：是指父进程结束，但子进程还未结束，通常的情况下父进程可以清除子进程的垃圾，表示子进程没人收尸了
    ②僵尸进程：是指子进程结束了，父进程还未结束
    ③一般在操作系统中，0号进程负责切换任务，1号进程负责生子进程，并负责打理孤儿进程

线程

1.多线程threading
python的thread模块是比较底层的模块，python的threading模块是对thread做了一些包装的，可以更加方便的被使用

2.进程和线程的关系
    ①线程是进程里面一种真正执行代码的东西，类似进程里面的箭头
    ②进程是资源分配的单位，线程是cpu调度的单位
    ③进程，能够完成多任务，比如在一台电脑上能够同时运行多个QQ
    ④线程，能够完成多任务，比如一个QQ中的多个聊天窗口
    ⑤定义的不同：
        进程是系统进行资源分配和调度的一个独立单位.
        线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位
        线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈), 但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源
    ⑥区别：
        一个程序至少有一个进程,一个进程至少有一个线程
        线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高
        进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
        线程不能够独立执行，必须依存在进程中
    ⑦优缺点：
        线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反

3.多线程执行

import threading import time def saySorry():     print("Python才是最好的语言")     time.sleep(1) if __name__ == "__main__":     for i in range(5):     t = threading.Thread(target=saySorry)     t.start() # 启动线程，即让线程开始执行 说明： # 可以明显看出使用了多线程并发的操作，花费时间要短很多 # 创建好的线程，需要调用start()方法来启动 # 主线程会等待所有的子线程结束后才结束

4.线程执行代码的封装
    ①通过使用threading模块能完成多任务的程序开发，为了让每个线程的封装性更完美，所以使用threading模块时，往往会定义一个新的子类class，只要继承threading.Thread就可以了，然后重写 run方法
    ②python的threading.Thread类有一个run方法，用于定义线程的功能函数，可以在自己的线程类中覆盖该方法。而创建自己的线程实例后，通过Thread类的start方法，可以启动该线程，交给python 虚拟机进行调度，当该线程获得执行的机会时，就会调用run方法执行线程
    ③多线程程序的执行顺序与多进程类似，都是不确定的

5.总结
    ①每个线程一定会有一个名字，尽管上面的例子中没有指定线程对象的name，但是python会自动为线程指定一个名字。
    ②当线程的run()方法结束时该线程完成。
    ③无法控制线程调度程序，但可以通过别的方式来影响线程调度的方式

6.多线程-共享全局变量
①在一个进程内的所有线程共享全局变量，能够在不适用其他方式的前提下完成多线程之间的数据共享（这点要比多进程要好）
②缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全），在线程中，不能同时对全局变量进行修改，解决办法是轮流让线程进行修改

7.同步
    ①多线程开发可能遇到的问题
    ②假设两个线程t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次， num的最终的结果应该为20。但是由于是多线程访问，答案可能不一样，所以在修改时，就要让其修改完再轮到下一个线程来修改
    ③什么是同步：
        同步就是协同步调，按预定的先后次序进行运行。如:你说完，我再说，"同"字从字面上容易理解为一起动作其实不是，"同"字应是指协同、协助、互相配合
    ④解决问题的思路：
        系统调用t1，然后获取到num的值为0，此时上一把锁，即不允许其他现在操作num
        对num的值进行+1解锁，此时num的值为1，其他的线程就可以使用num了，而且是 num的值不是0而是1
        同理其他线程在对num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程中不允许其他线程访问，就保证了数据的正确性

8.互斥锁
    ①当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制
    ②某个线程要更改共享数据时，先将其锁定，此时资源的状态为锁定，其他线程不能更改；直到该线程释放资源，将资源的状态变成非锁定，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性
    ③threading模块中定义了Lock类，可以方便的处理锁定:

# 创建锁 mutex = threading.Lock() # 锁定 mutex.acquire([blocking])   # 释放 mutex.release()

    ④如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止（如果没有指定，那么默认为True）如果设定blocking为False，则当前线程不会堵塞
    ⑤上锁解锁过程:
        每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为 “blocked” 状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入 “unlocked”状态。
        线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（ running）状态。
    ⑥总结:
        锁的好处：
            确保了某段关键代码只能由一个线程从头到尾完整地执行
        锁的坏处：
            阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了
            由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁

9.多线程-非共享数据
①对于全局变量，在多线程中要格外小心，否则容易造成数据错乱的情况发生
②在多线程开发中，全局变量是多个线程都共享的数据，而局部变量等是各自线程的，是非共享的

10.死锁
    ①举个例子：就好比是现实社会中，男女双方都在等待对方先道歉
    ②在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁
    ③避免死锁：

# 程序设计时要尽量避免（银行家算法） # 添加超时时间等 if mutex.acquire(2):

11.同步应用
可以使用互斥锁完成多个任务，有序的进程工作，这就是线程的同步

12.生产者与消费者模式
    ①Python的Queue模块中提供了同步的、线程安全的队列类，包括FIFO（先入先出)队列 Queue，LIFO（后入先出）队列LifoQueue，和优先级队列PriorityQueue
    ②这些队列都实现了锁原语（可以理解为原子操作，即要么不做，要么就做完），能够在多线程中直接使用
    ③可以使用队列来实现线程间的同步
    ④Queue的说明：
        对于Queue，在多线程通信之间扮演重要的角色
        添加数据到队列中，使用put()方法
        从队列中取数据，使用get()方法
        判断队列中是否还有数据，使用qsize()方法
        队列就是用来给生产者和消费者解耦的

13.ThreadLocal
在多线程环境下，每个线程都有自己的数据。一个线程使用自己的局部变量比使用全局变量好，因为局部变量只有线程自己能看见，不会影响其他线程，而全局变量的修改必须加锁一个thread.local()变量虽然是全局变量，但每个线程都只能读写自己线程的独立副本，互不干扰。thread.local()解决了参数在一个线程中各个函数之间互相传递的问题

14.异步
①同步调用就是你喊你朋友吃饭，你朋友在忙，你就一直在那等，等你朋友忙完了，你们一起去
②异步调用就是你喊你朋友吃饭，你朋友说知道了，待会忙完去找你，你就去做别的了

pool.apply_async(func=test,callback=test2) # callback是回调

进程整理代码

1. getpid()、getppid()

import os rpid = os.fork() if rpid<0:     print("fork调用失败")      elif rpid == 0:     print("我是子进程（%s），我的父进程是（%s）"%(os.getpid(),os.getppid()))     x+=1      else:     print("我是父进程（%s），我的子进程是（%s）"%(os.getpid(),rpid)) print("父子进程都可以执行这里的代码")

2.多进程修改全局变量

import os import time num = 0 # 注意，fork函数，只在Unix/Linux/Mac上运行，windows不可以 pid = os.fork() if pid == 0:     num+=1     print('哈哈1---num=%d'%num)      else:     time.sleep(1)     num+=1     print('哈哈2---num=%d'%num)

3.进程的创建-Process子类

from multiprocessing import Process import time import os # 继承Process类 class Process_Class(Process):     # 因为Process类本身也有__init__方法，这个子类相当于重写了这个方法，     # 但这样就会带来一个问题，我们并没有完全的初始化一个Process类，所以就不能使用从这个类继承的一些方法和属性，     # 最好的方法就是将继承类本身传递给Process.__init__方法，完成这些初始化操作     def __init__(self,interval):          Process.__init__(self)          self.interval = interval      # 重写了Process类的run()方法     def run(self):         print("子进程(%s) 开始执行，父进程为（%s）"%(os.getpid(),os.getppid()))         t_start = time.time()         time.sleep(self.interval)         t_stop = time.time()         print("(%s)执行结束，耗时%0.2f秒"%(os.getpid(),t_stop-t_start))  if __name__=="__main__":     t_start = time.time()     print("当前程序进程(%s)"%os.getpid())             p1 = Process_Class(2)     # 对一个不包含target属性的Process类执行start()方法，就会运行这个类中的run()方法，所以这里会执行p1.run()     p1.start()     p1.join()     t_stop = time.time()     print("(%s)执行结束，耗时%0.2f"%(os.getpid(),t_stop-t_start))

4.进程池pool

from multiprocessing import Pool import os,time,random def worker(msg):     t_start = time.time()     print("%s开始执行,进程号为%d"%(msg,os.getpid()))     # random.random()随机生成0~1之间的浮点数     time.sleep(random.random()*2)           t_stop = time.time()     print(msg,"执行完毕，耗时%0.2f"%(t_stop-t_start))         po=Pool(3) # 定义一个进程池，最大进程数3 for i in range(0,10):     # Pool.apply_async(要调用的目标,(传递给目标的参数元祖,))     # 每次循环将会用空闲出来的子进程去调用目标     po.apply_async(worker,(i,)) print("----start----") po.close() # 关闭进程池，关闭后po不再接收新的请求 po.join() # 等待po中所有子进程执行完成，必须放在close语句之后 print("-----end-----")

5.进程Queue的读写

from multiprocessing import Process, Queue import os, time, random # 写数据进程执行的代码: def write(q):     for value in ['A', 'B', 'C']:         print 'Put %s to queue...' % value                 q.put(value)         time.sleep(random.random()) # 读数据进程执行的代码: def read(q):     while True:         if not q.empty():             value = q.get(True)             print 'Get %s from queue.' % value             time.sleep(random.random())         else:             break if __name__=='__main__':     # 父进程创建Queue，并传给各个子进程：     q = Queue()     pw = Process(target=write, args=(q,))     pr = Process(target=read, args=(q,))     # 启动子进程pw，写入:     pw.start()         # 等待pw结束:     pw.join()     # 启动子进程pr，读取:     pr.start()     pr.join()     # pr进程里是死循环，无法等待其结束，只能强行终止:     print '' "     print '所有数据都写入并且读完'

线程整理代码

1.多线程

import threading from time import sleep,ctime def sing():     for i in range(3):         print("正在唱歌...%d"%i)          sleep(1) def dance():     for i in range(3):         print("正在跳舞...%d"%i)         sleep(1) if __name__ == '__main__':     print('---开始---:%s'%ctime())     t1 = threading.Thread(target=sing)     t2 = threading.Thread(target=dance)     t1.start()     t2.start()     # sleep(5) # 屏蔽此行代码，试试看，程序是否会立马结束？     print('---结束---:%s'%ctime())

2.多线程-共享全局变量

from threading import Thread import time g_num = 100 def work1():     global g_num          for i in range(3):         g_num += 1         print("----in work1, g_num is %d---"%g_num) def work2():     global g_num     print("----in work2, g_num is %d---"%g_num) print("---线程创建之前g_num is %d---"%g_num) t1 = Thread(target=work1) t1.start() # 延时一会，保证t1线程中的事情做完 time.sleep(1) t2 = Thread(target=work2) t2.start()

3.死锁

import threading import time class MyThread1(threading.Thread):     def run(self):         if mutexA.acquire():             print(self.name+'----do1---up----')             time.sleep(1)         if mutexB.acquire():             print(self.name+'----do1---down----')             mutexB.release()         mutexA.release() class MyThread2(threading.Thread):     def run(self):         if mutexB.acquire():             print(self.name+'----do2---up----')             time.sleep(1)         if mutexA.acquire():             print(self.name+'----do2---down----')             mutexA.release()         mutexB.release()      mutexA = threading.Lock() mutexB = threading.Lock() if __name__ == '__main__':     t1 = MyThread1()     t2 = MyThread2()     t1.start()     t2.start()

4.生产者和消费者模式

import threading import time # python2中 from Queue import Queue # python3中 # from queue import Queue class Producer(threading.Thread):     def run(self):         global queue         count = 0         while True:                      if queue.qsize() < 1000:                              for i in range(100):                     count = count +1                     msg = '生成产品'+str(count)                     queue.put(msg)                     print(msg)             time.sleep(0.5) class Consumer(threading.Thread):     def run(self):         global queue         while True:                      if queue.qsize() > 100:                 for i in range(3):                     msg = self.name + '消费了'+queue.get()                     print(msg)                     time.sleep(1) if __name__ == '__main__':     queue = Queue()          for i in range(500):         queue.put('初始产品'+str(i))