如何分析Python全栈中的队列

如何分析Python全栈中的队列,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

    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}

    如何分析Python全栈中的队列

    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

    如何分析Python全栈中的队列

    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
    	# ...

    如何分析Python全栈中的队列

    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)

    看完上述内容,你们掌握如何分析Python全栈中的队列的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!