(day29) 进程互斥锁 + 线程

进程互斥锁

进程间数据不共享，但是共享同一套文件系统，

互斥锁：让并发变成串行，牺牲了执行效率，保证了数据安全

• 应用：在程序并发执行时，需要修改数据时使用

# data(json文件)
{"target":1}

# 模拟抢票功能.py
import json
import time
from multprocessing import Process
from multprocessing import Lock
# 查看余票
def search(user):
    # 打开json文件查看余票
    with open('data','r',encoding = 'utf-8')as f:
        dic = json.load(f)
        
    print(f'{user}查看余票:{dic.get("ticket")}')
    
def buy(user):
    # 先打开车票数据
    with open('data','r',encoding = 'utf-8')as f:
        dic = json.load(f)        
       
    # 模拟网络延迟
    time.sleep(1)
    
    # 若有票,修改data数据
    if dic.get("ticket") > 0:
        dic['ticket'] -= 1
        with open('data','w',encoding = 'utf-8')as f:
            json.dump(dic,f)
            
    print(f'{user}抢票成功')
    
def run(user,mutex):
    
    
    # 并发：异步执行
    search(user)
    
    # 加锁
    mutex.acquire() 
    # 串行：同步执行
    buy(user)
    # 释放锁
    mutex.release()

if __name__ == '__main__':
    mutex = Lock()
    
    for i in range(10):
        p = Process(target = run,args = (f'用户{i}',))
        p.start()
        
              

队列和堆栈

• 队列

  相当于内存中的一个队列空间，可以存放多个数据，遵循“先进先出” (管道+锁)

• 堆栈

  遵循“先进后出”

from multprocessing import Queue

# 调用队列类实例化队列对象
q = Queue(3) # 参数代表队列中存放的参数数量，默认无限大

# q.put:添加数据，超过数量限制就会卡在哪里
q.put(1)
q.put(2)
q.put(3)
# q.put_nowait:添加数据，超过数量限制报错
q.put_nowait(4)

# q.get：获取的数据遵循“先进先出”,没有即卡住
print(q.get())
print(q.get())
print(q.get())
print(q.get())
# get_nowait：获取数据，队列中没有，则会报错
print(q.get_nowait())

# q.full:判断队列是否满了
print(q.full())

# q.empty：判断队列是否为空
print(q.empty：()) # False

进程间通信（IPC）

进程间数据是相互隔离的，若想实现进程间通信，可以利用队列

from multiprocessing import Process
from multiprocessing import Queue


def test1(q):
    data = '数据hello'
    q.put(data)
    print('进程1开始添加数据到队列中..')


def test2(q):
    data = q.get()

    print(f'进程2从队列中获取数据{data}')


if __name__ == '__main__':
    q = Queue()

    p1 = Process(target=test1, args=(q, ))
    p2 = Process(target=test2, args=(q, ))

    p1.start()
    p2.start()

    print('主')

生产者和消费者模型

通过队列的存储调用作为缓冲来解决

from multiprocessing import Queue, Process
import time


# 生产者
def producer(name, food, q):  # 生产名, 食物, 队列
    for i in range(9):
        data = food, i
        msg = f'用户{name}开始制作{data}'
        print(msg)
        q.put(data)
        time.sleep(0.1)


# 消费者
def consumer(name, q):
    while True:
        data = q.get()
        if not data:
            break
        print(f'用户{name}开始吃{data}')


if __name__ == '__main__':

    q = Queue()

    # 创造生产者
    p1 = Process(target=producer, args=('tank', '油条', q))
    p2 = Process(target=producer, args=('华农兄弟', '竹鼠', q))

    # 生产消费者
    c1 = Process(target=consumer, args=('egon', q))
    c2 = Process(target=consumer, args=('jason', q))

    p1.start()
    p2.start()

    c1.daemon = True
    c2.daemon = True

    c1.start()
    c2.start()

    p2.join()
    print('主')

线程

什么是线程

线程和进程都是虚拟单位，为了更好的描述某种事物

进程：资源单位

线程：执行单位

为什么使用线程

节省内存资源

• 开启进程
  1. 开辟一个名称空间，每开辟一个进程都会占用一份内存资源
  2. 每个进程会自带一个线程
• 开启线程
  1. 一个进程可以开启多个线程
  2. 线程的开销远小于进程

注意：线程不能实现并行，线程只能实现并发，进程可以实现并行

怎么开启线程

from threading import Thread
import time

# 开启线程方式1
def task():
    print('thread start')
    time.sleep(1)
    print('thread end')
    
t = Thread(target = task)
t.start()

# 开启线程方式2
class MyThread(Thread):
    def run(self):
        print('thread start')
        time.sleep(1)
        print('thread end')
        
t = MyThread()
t.start()

线程对象的属性

• Thread实例对象的方法
  1. isAlive()：返回线程是否存在
  2. getName()：返回线程名
  3. setName：设置线程名
• threading模块提供的方法
  1. currentThread().name：返回线程名
  2. activeCount()：返回正在运行的线程数量

线程互斥锁

线程之间数据共享

# 如果不加互斥锁，因为线程并发运行，会导致每个线程同一时间获得的都是100，
from threading import Thread, Lock
import time

mutex = Lock()

n = 100


def task(i):
    print(f'线程{i}启动...')
    global n
    # mutex.acquire()
    temp = n
    time.sleep(0.1)  # 一共等待10秒
    n = temp-1
    print(n)
    # mutex.release()

if __name__ == '__main__':
    t_l=[]
    for i in range(100):
        t = Thread(target=task, args=(i, ))
        t_l.append(t)
        t.start()

    for t in t_l:
        t.join()

    # 100个线程都是在100-1
    print(n)