multiprocessing 模塊

功能：

支持多進程 ，提供了Process(創建子進程）/　Queue(隊列）lock(鎖）

與線程不同，進程沒有任何共享狀態，進程修改數據僅限於該進程內

Process([group[,) 該類字例化得到一個對象，表示一個了進程中的任務

強調：

需要用關鍵字的方式來指定參數

args指定的為傳給target函數的位置參數，是一個元組形式，必須有逗號

p.start(): 啟動進程，並調用該子進程中的p.run()#(方法）

p.terminate():強制終止進程p,不會進行任何清理操作（僵屍進程）

p.join 主線程等待p終止

p.daemon: 守護進程

守護進程

　　1主進程代碼結束後終止

　　2守護進程無法開啟了進程，否則拋出異常

同步鎖：

　　共享的內存空間

　　with 功能 和文件操作的IO一樣

　　with lock:

　　　　get(n)

　　def task(n,lock):

　　　　search(n):

　　　　lock.acquire() 加鎖

　　　　get(n)

　　　　lock.release() 開鎖

IPC機制（進程之間的交互）

1 多進程之間內存共享

　　2 競爭帶來的不安全 >>>加鎖

方式 ：

　　 1 隊列 （管道 + 鎖 》》》先進先出） queue

　　　　2 管道

進程

抽象單位

是一個資源單位

默認一個線程

進程池

　　控制進程的數目

進程池同步調用

　　提交一個任務，等到任務結束後才能執行下一個任務

apply: 傳入兩個參數，第一個指定，第二個向進程池提交任務實現後立馬拿到結果

import multiprocessing

import time

import random
import osdef walk(n):
    print(‘%s is walk‘%os.getpid())
    time.sleep(random.random())
    return n
if __name__ == ‘__main__
 
‘:
    p = multiprocessing.Pool(4)
    for i in range(5):
        q = p.apply(walk,args=(i,))
        print(q)

進程池異步提交

　　提交完一個任務過後不會在原地等待，而是把所有任務提交完後用get獲取

apply_async:  向進程池提交任務，只管提交任務不管執行，
執行方法： close: 結束任務
               join ：等待進程池不在提交任務，並且任務結束和計算個數 
               get : 獲取返回值
import multiprocessing
import time
import random
import os
def walk(n):
    print(‘%s is walking‘%os.getpid())
    time.sleep(2)
    return n
if __name__ == ‘__main__‘:
    p = multiprocessing.Pool(4)
    li=[]
    for i in range(6):
        q = p.apply_async(walk,args=(i,))
        li.append(q)
    p.close()
    p.join()
    for i in li:
        print(i.get())
        

異步調用

提交完任務，不用在原地等待

命名空間是用來存儲數據的在內存裏

水平擴展

　　增加計算機的數量，並沒有提高計算機的性能

虛擬化

　　同時跑多個系統

分布式和集中式

　　集中式在一臺機器上執行任務

　　分布式將任務分散到多臺機器上

joinableQueue模塊

　　比Queue 多了兩個函數，一個是task_done,另一個join,都是專用於全球性進行 編程的，大多數用於生產者和消費者之間的。

　　task_done: 是用於在get後面的，告訴os已經處理完了內容

　　join : 是說Queue裏面的生產數據全部處理完了

OS 模塊：

1. os.name——判斷現在正在實用的平臺，Windows 返回 ‘nt‘; Linux 返回’posix‘

2. os.getcwd()——得到當前工作的目錄。

3. os.listdir()——指定所有目錄下所有的文件和目錄

4.os.getpid() ------查看進程的序列號

網絡編程 ----------進程