首页 / PYTHON / Python3 并发编程2
Python3 并发编程2
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python3 并发编程2，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5809字，纯文字阅读大概需要9分钟。
内容图文
目录
进程互斥锁
基本概念
- 临界资源: 一次仅允许一个进程使用的资源称为临界资源, 进程间采取互斥的方式, 共享临界资源
- 进程互斥: 一个进程正在访问临界资源, 另一个要访问该资源的进程必须等待
- 让并发变成串形, 牺牲了执行效率, 保证了数据的安全
- 在程序并发执行时, 需要修改时使用
互斥锁的使用
# base_data--->{"ticket_num": 1}
# 模拟抢票软件
import json
import time
from multiprocessing import Process
# 查看余票
def search(user):
with open('base_data', 'r', encoding='utf-8') as f:
dic = json.load(f)
ticket_num = dic.get('ticket_num')
print(f'用户{user}正在查看余票, 当前余票{ticket_num}张...')
# 购买车票
def buy(user):
with open('base_data', 'r', encoding='utf-8') as f:
dic = json.load(f)
# 阻塞
time.sleep(1)
if dic.get('ticket_num') > 0:
dic['ticket_num'] -= 1
with open('base_data', 'w', encoding='utf-8') as f1:
json.dump(dic, f1)
print(f'用户[{user}]抢票成功!')
else:
print(f'用户[{user}]抢票失败!')
# 开始抢票
def run(user):
search(user)
buy(user)
if __name__ == '__main__':
for i in range(10):
# 并发开启10个子进程
p = Process(target=run, args=(f'{i}',))
p.start()
'''
用户8正在查看余票, 当前余票1张...
用户6正在查看余票, 当前余票1张...
用户3正在查看余票, 当前余票1张...
用户0正在查看余票, 当前余票1张...
用户4正在查看余票, 当前余票1张...
用户2正在查看余票, 当前余票1张...
用户1正在查看余票, 当前余票1张...
用户7正在查看余票, 当前余票1张...
用户5正在查看余票, 当前余票1张...
用户9正在查看余票, 当前余票1张...
用户[8]抢票成功!
用户[6]抢票成功!
用户[3]抢票成功!
用户[4]抢票成功!
用户[1]抢票成功!
用户[5]抢票成功!
用户[2]抢票成功!
用户[0]抢票成功!
用户[7]抢票成功!
用户[9]抢票成功!
'''使用进程锁将并发变成串行
# 模拟抢票软件
import json
import time
from multiprocessing import Process
from multiprocessing import Lock
# 查看余票
def search(user):
with open('base_data', 'r', encoding='utf-8') as f:
dic = json.load(f)
ticket_num = dic.get('ticket_num')
print(f'用户[{user}]正在查看余票, 当前余票{ticket_num}张...')
# 购买车票
def buy(user):
with open('base_data', 'r', encoding='utf-8') as f:
dic = json.load(f)
time.sleep(1)
if dic.get('ticket_num') > 0:
dic['ticket_num'] -= 1
with open('base_data', 'w', encoding='utf-8') as f1:
json.dump(dic, f1)
print(f'用户[{user}]抢票成功!')
else:
print(f'用户[{user}]抢票失败!')
# 开始抢票
def run(user, mutex):
# 上锁
mutex.acquire()
search(user)
buy(user)
# 解锁
mutex.release()
if __name__ == '__main__':
# 调用Lock()类得到一个锁对象
mutex = Lock()
for i in range(10):
# 并发开启10个子进程
p = Process(target=run, args=(f'{i}', mutex))
p.start()
'''
用户[0]正在查看余票, 当前余票1张...
用户[0]抢票成功!
用户[3]正在查看余票, 当前余票0张...
用户[3]抢票失败!
用户[2]正在查看余票, 当前余票0张...
用户[2]抢票失败!
用户[4]正在查看余票, 当前余票0张...
用户[4]抢票失败!
用户[8]正在查看余票, 当前余票0张...
用户[8]抢票失败!
用户[6]正在查看余票, 当前余票0张...
用户[6]抢票失败!
用户[7]正在查看余票, 当前余票0张...
用户[7]抢票失败!
用户[5]正在查看余票, 当前余票0张...
用户[5]抢票失败!
用户[1]正在查看余票, 当前余票0张...
用户[1]抢票失败!
用户[9]正在查看余票, 当前余票0张...
用户[9]抢票失败!
'''IPC
基本概念
- inter-process communication 进程间通信
- 进程间的数据是相互隔离的, 要想进行进程间的通信可以使用队列
队列
- 进程间通信的一种方式, 支持多进程传入和取出数据
- 遵循先进先出的原则
from multiprocessing import Queue
q = Queue(5) # 队列中最多存放5个数据
# 填入数据
q.put('数据1')
q.put('数据2')
q.put('数据3')
q.put('数据4')
q.put('数据5')
# q.put('数据6') # 数据填满了继续存放, 程序会被卡住
# 查看队列是否填满
print(q.full())
# 队列满了, 则会会报错
# q.put_nowait('数据6')
# 获取数据, 若队列中无数据可获取, 程序会卡住
print(q.get())
print(q.get())
print(q.get())
print(q.get())
print(q.get())
# 队列中没有, 则会报错
# print(q.get_nowait())
# 判断队列是否为空
print(q.empty())
'''
True
数据1
数据2
数据3
数据4
数据5
True
'''生产者消费者模型
基本概念
- 生产者: 生产数据的
- 消费者: 使用数据
- 生产者消费者模型: 通过容器来解决生产者和消费者的之间的强耦合问题
代码实现
from multiprocessing import Process, Queue
import time
# 定义生产者
def producer(q):
for i in range(5):
data = f'包子{i}'
q.put(data)
print(f'生产了{data}')
time.sleep(0.1)
# 定义生产者
def consumer(q):
while True:
data = q.get()
print(f'吃了{data}')
if __name__ == '__main__':
q = Queue()
p1 = Process(target=producer, args=(q,))
p2 = Process(target=consumer, args=(q,))
p1.start()
p2.start()
print('主')
'''
主
生产了包子0
吃了包子0
生产了包子1
吃了包子1
生产了包子2
吃了包子2
生产了包子3
吃了包子3
生产了包子4
吃了包子4
'''线程
基本概念
- 进程是资源单位, 线程才是CPU的执行单位, 进行运算调度的最小单位
- 线程包含在进程之中, 是进程中的实际运作单位
- 线程开销要远小于进程, 可以节省内存资源
- 线程之间共享进程中的数据
- 线程pid为主进程pid
创建线程
from threading import Thread
import time
# 方式一
def task():
print('线程开启')
time.sleep(1)
print('线程结束')
if __name__ == '__main__':
t = Thread(target=task)
t.start()
# 方式二
class MyThread(Thread):
def run(self):
print('线程开启')
time.sleep(1)
print('线程结束')
if __name__ == '__main__':
t = MyThread()
t.start()
线程互斥锁
from threading import Thread, Lock
import time
n = 100
def task(i):
print(f'线程{i}启动...')
global n
temp = n
time.sleep(0.1)
n = temp - 1
print(n)
if __name__ == '__main__':
for i in range(10):
t = Thread(target=task, args=(i + 1,))
t.start()
'''
线程1启动...
线程2启动...
线程3启动...
线程4启动...
线程5启动...
线程6启动...
线程7启动...
线程8启动...
线程9启动...
线程10启动...
99
99
99
99
99
99
99
99
99
99
'''from threading import Thread, Lock
import time
mutex = Lock()
n = 100
def task(i):
mutex.acquire()
print(f'线程{i}启动...')
global n
temp = n
time.sleep(0.1)
n = temp - 1
print(n)
mutex.release()
if __name__ == '__main__':
for i in range(10):
t = Thread(target=task, args=(i + 1,))
t.start()
'''
线程1启动...
99
线程2启动...
98
线程3启动...
97
线程4启动...
96
线程5启动...
95
线程6启动...
94
线程7启动...
93
线程8启动...
92
线程9启动...
91
线程10启动...
90
'''内容总结
以上是互联网集市为您收集整理的Python3 并发编程2全部内容，希望文章能够帮你解决Python3 并发编程2所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】