本节的快速导航目录如下喔！！！
一、创建进程的类Process
二、进程并发控制之Semaphore
三、进程同步之Lock
四、进程同步之Event
五、进程优先队列Queue
六、多进程之进程池Pool
七、多进程之数据交换Pipe
一、创建进程的类Process
multiprocessing模块提供了一个创建进程的类Process，创建进程有两种方法：
- 创建一个类的实例Process，并指定任务目标函数
-
自定义一个类并继承Process类，重写其init()方法和run方法
第一种方法：
import osimport timefrom multiprocessing import Process# 字进程要执行的代码：数据累加耗时函数def task_process(delay):num = 0for i in range(delay * 10000000):num += iprint(f"进程pid为{os.getpid()},执行完成")if __name__ == '__main__':print('父进程pid为 %s.' % os.getpid())t0 = time.time()# 单进程执行task_process(3)task_process(3)t1 = time.time()print(f"顺序执行耗时{t1 - t0}")p0 = Process(target=task_process, args=(3,))p1 = Process(target=task_process, args=(4,))t2 = time.time()# 双进程并行执行p0.start();p1.start()p0.join();p1.join()t3 = time.time()print(f"多进程并发执行耗时{t3 - t2}")# 发现多进程执行相同的操作次数耗时更少第二种方法（重写方法）：
# -*- coding: UTF-8 -*-import osimport timefrom multiprocessing import Processclass MyProcess(Process):def __init__(self, delay):super().__init__()self.delay = delay# 子进程要执行代码def run(self):num = 0for i in range(self.delay * 10000000):num += iprint(f"进程pid为{os.getpid()},执行完成")if __name__ == '__main__':print('父进程pid为 %s.' % os.getpid())p0 = MyProcess(3)p1 = MyProcess(3)t0 = time.time()p0.start()p1.start()p0.join()p1.join()t1 = time.time()print(f"多进程并发执行耗时{t1 - t0}")Process类的构造函数原型：
class multiprocessing.Process(group=None,target=None,name=None,args=(),kwargs={},*,daemon=None)'''参数说明如下：Target：表示调用对象，一般为函数，也可以为类。Args：表示调用对象的位置参数元组Kwargs：为进程调用对象的字典Name：为进程的别名Group：参数不使用，可忽略'''类提供的常用方法如下：
- is_alive()：返回进程是否是激活的
- join([timeout])：阻塞进程，直到进程执行完成或超时或进程被终止。
- run()：代表进程执行的任务函数，可被重写
- start()：激活进程
- terminate()：终止进程
其属性如下：
- authkey：字节码，进程的准密钥
daemon：父进程终止后自动终止，且不能产生新进程，必须在start()之前设置- exicode：退出码，进程在运行时为None，如果为-N，就表示被信号N结束
- name：获取进程名称
- pid：进程ID
例子：不设置daemon属性：
# -*- coding: UTF-8 -*-import osimport timefrom multiprocessing import Process# 子进程要执行的代码def task_process(delay):print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 子进程执行开始")print(f"sleep {delay}s")time.sleep(delay)print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 子进程执行结束")if __name__ == '__main__':print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 父进程执行开始")p0 = Process(target=task_process,args=(3,))p0.start()print(f"{time.strftime('%Y-%m-%d %H:%M:%S')} 父进程执行结束")'''2024-05-08 20:04:09 父进程执行开始2024-05-08 20:04:09 父进程执行结束2024-05-08 20:04:10 子进程执行开始sleep 3s2024-05-08 20:04:13 子进程执行结束'''
'''
没有使用p0.join()来阻塞进程，父进程并没有等待子进程运行完成就打印了退出信息，程序依旧会等待子进程运行完成
'''例子：设置daemon属性：
# 在上述代码主程序中添加p0.deamon = True'''2024-05-08 20:07:11 父进程执行开始2024-05-08 20:07:11 父进程执行结束'''# 程序并没有等待子进程结束而结束，主要主程序结束，程序即退出二、进程并发控制之Semaphore
semaphore用来控制对共享资源的访问数量，可以控制同一时刻并发的进程数。
# 实例：多进程同步控制import multiprocessingimport timedef worker(s,i):s.acquire() print(time.strftime('%H:%M:%S'),multiprocessing.current_process().name+"获得锁运行");time.sleep(i)print(time.strftime('%H:%M:%S'), multiprocessing.current_process().name +"释放锁运行");s.release()if __name__ == '__main__':s = multiprocessing.Semaphore(2) # 同一时刻只有两个进程在执行for i in range(6):p = multiprocessing.Process(target=worker(s,2))p.start()三、进程同步之Lock
多进程的目的是并发执行，提高资源利用率，从而提高效率，但有时候我们需要在某一时间只能有一个进程访问某个共享资源，这种情况就需要使用锁Lock
# 多个进程输出信息，不加锁：import multiprocessingimport timedef task1():n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task1 输出信息")time.sleep(1)n -= 1def task2():n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task2 输出信息")time.sleep(1)n -= 1def task3():n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task3 输出信息")time.sleep(1)n -= 1if __name__ == '__main__':p1 = multiprocessing.Process(target=task1)p2 = multiprocessing.Process(target=task2)p3 = multiprocessing.Process(target=task3)p1.start();p2.start();p3.start()未使用锁，生成三个子进程，每个进程都打印自己的信息。下面使用锁：
import multiprocessingimport timedef task1(lock):with lock: # 也可使用上下文关键字加锁n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task1 输出信息")time.sleep(1)n -= 1def task2(lock):lock.acquire()n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task2 输出信息")time.sleep(1)n -= 1lock.release()def task3(lock):lock.acquire() # 调用前后加锁n = 5while n > 1:print(f"{time.strftime('%H:%M:%S')}task3 输出信息")time.sleep(1)n -= 1lock.release()if __name__ == '__main__':lock = multiprocessing.Lock() # 1、实例化一个锁p1 = multiprocessing.Process(target=task1,args=(lock,))p2 = multiprocessing.Process(target=task2,args=(lock,))p3 = multiprocessing.Process(target=task3,args=(lock,))p1.start()p2.start()p3.start()可以发现，同一时刻只有一个进程在输出信息。
四、进程同步之Event
Event用来实现进程之间同步通信
import multiprocessing
import timedef with_for_event(e):e.wait()time.sleep(1)# 唤醒后清除Event状态，为后续继续等待e.clear()print(f"{time.strftime('%H:%M:%S')}:进程A：我们是兄弟，我等你...")e.wait()print(f"{time.strftime('%H:%M:%S')}:进程A：好的，是兄弟一起走")def wait_for_event_timeout(e, t):e.wait()time.sleep(1)e.clear()print(f"{time.strftime('%H:%M:%S')}:进程B：好吧，最多等你{t}秒")e.wait(t)print(f"{time.strftime('%H:%M:%S')}:进程B:我要继续往前走了")if __name__ == '__main__':e = multiprocessing.Event()w1 = multiprocessing.Process(target=with_for_event,args=(e,))w2 = multiprocessing.Process(target=wait_for_event_timeout,args=(e,5))w1.start()w2.start()# 主进程发话print(f"{time.strftime('%H:%M:%S')}:主进程:谁等我下，我需要8秒时间")# 唤醒等待的进程e.set()time.sleep(8)print(f"{time.strftime('%H:%M:%S')}:好的，我赶上了")# 再次唤醒等待的进程e.set()w1.join()w2.join()print(f"{time.strftime('%H:%M:%S')}:主进程：退出")上述定义了两个函数，一个用于等待事件的发生；一个用于等待事件发生并设置超时时间。主进程调用事件的set()方法唤醒等待事件的进程，事件唤醒后调用claer()方法清除事件的状态并重新等待，以此达到进程同步的控制。
五、进程优先队列Queue
- 多进程安全：Queue是为多进程环境设计的，确保在多进程之间进行数据传递时的安全性。
- put方法：
- 用于向队列中插入数据。
- 有两个可选参数：blocked 和 timeout 。
- 默认情况下，
blocked设置为True。 - 如果
timeout是一个正值，并且队列已满，put方法会阻塞直到队列有空间或者超时。 - 超时会抛出
Queue.Full异常。 - 如果
blocked设置为False且队列已满，会立即抛出Queue.Full异常。
- get方法：
- 用于从队列中读取并删除一个元素。
- 同样有两个可选参数：
blocked和timeout。 - 默认情况下，
blocked设置为True。 - 如果
timeout是一个正值，并且在指定时间内队列中没有元素可取，会抛出Queue.Empty异常。 - 如果block设置为False则有两种情况：
- 如果队列为空，会立即抛出
Queue.Empty异常。 - 如果队列中有值可用，会立即返回该值。
- 如果队列为空，会立即抛出
这些特性确保了在多进程环境中，队列操作的同步性和数据的一致性。
# 实现消费者-生产者模式
from multiprocessing import Process,Queue
import timedef ProducerA(q):count = 1while True:q.put(f"冷饮 {count}")print(f"{time.strftime('%H:%M:%S')} A 放入：[冷饮 {count}]")count +=1time.sleep(1)def ConsumerB(q):while True:print(f"{time.strftime('%H:%M:%S')} B 放入：[取出 {q.get()}]")time.sleep(5)if __name__ == '__main__':q = Queue(maxsize=5)p = Process(target=ProducerA,args=(q,))c = Process(target=ConsumerB,args=(q,))c.start()p.start()c.join()p.join()上述代码定义了生产者函数和消费者函数，设置其队列的最大容量是5，生产者不停的生产冷饮，消费者就不停的取出冷饮消费，当队列满时，生产者等待，当队列空时，消费者等待。
六、多进程之进程池Pool
进程池（Pool）按需创建进程，池满则请求排队等待。
import multiprocessing
import timedef task(name):print(f"{time.strftime('%H:%M:%S')}: {name} 开始执行")time.sleep(3)if __name__ == '__main__':pool = multiprocessing.Pool(processes=3)for i in range(10):# 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去pool.apply_async(func=task, args=(i,))pool.close()pool.join()从结果来看，同一时刻只有三个进程在执行，使用Pool实现了对进程并发数的控制
七、多进程之数据交换Pipe
在Python的多进程编程中，multiprocessing.Pipe() 方法可以创建一个管道，用于进程间的数据传输。
默认情况下，管道是全双工的，即两个进程可以互相发送和接收数据。如果需要设置为半双工（单向传输），可以通过传递参数duplex=False 来实现。
管道对象提供了send() 方法用于发送消息，以及recv() 方法用于接收消息。如果recv()在没有消息的情况下被调用，它会阻塞；如果管道已关闭，recv()会抛出EOFError异常。
import multiprocessing
import timedef task1(pipe):for i in range(5):str = f"task1-{i}"print(f"{time.strftime('%H:%M:%S')}: task1 发送：{str}")pipe.send(str)time.sleep(2)for i in range(5):print(f"{time.strftime('%H:%M:%S')}: task1 接收：{ pipe.recv() }")def task2(pipe):for i in range(5):print(f"{time.strftime('%H:%M:%S')}: task2 接收：{pipe.recv()}")time.sleep(2)for i in range(5):str = f"task1-{i}"print(f"{time.strftime('%H:%M:%S')}: task2 发送：{ str }")if __name__ == '__main__':pipe = multiprocessing.Pipe()p1 = multiprocessing.Process(target=task1,args=(pipe[0],))p2 = multiprocessing.Process(target=task2,args=(pipe[1],))p1.start()p2.start()p1.join()p2.join()首先程序定义了两个子进程函数：task1先发送5条消息，再接收消息；task2先接收消息，再发送消息。
![[C++][数据结构]用红黑树封装map和set（包含红黑树迭代器）](https://img-blog.csdnimg.cn/direct/b2c44d9c1ea0444c9c8d5c1ca8e42b5b.png)
