@

操作系统： Window 10
工具：Pycharm
Python: 3.7

一、进程通信概述：

python的进程间通信主要有以下几种方式：消息队列（Queue）、管道（Pipe）、共享内存（Value,Array）、代理（Manager）。
以上分为两个类型，
进程间交互对象：消息队列（Queue）、管道（Pipe）
进程间同步：共享内存（Value,Array）、代理（Manager）

————————————————————————————————————————

二、进程间交互对象 —— 不用加锁

1. 消息队列（Queue）

消息队列常用于单向交互，消息队列操作简单，用于单向交互最方便。

这种就相当于是半双工通信

代码演示：

# test.py
from multiprocessing import Process, Queue

def f(q):
    #print("This is f: ",q.get()) # 未在q.put()方法前，就q.get()，会出问题，无限监听 
    q.put([42, None, 'hello'])
    print("This is f: ",q.get())

if __name__ == '__main__':
    q = Queue()
    p = Process(target=f, args=(q,))
    p.start()
    print(q.get())    # prints "[42, None, 'hello']"
    q.put(["test","test"])  # 只能一次 put 一次 get 
    p.join()
    

一方发送数据了(put)，另一方才能收到队列的数据(get)，否则将永远接收不到队列数据，从而无法结束这一代码，相当于堵塞了，一方无数据。

2. 管道（Pipe）半双工

这是最常用的一种进程通信方法。

使用方法：

conn1 , conn2 = Pipe()   # 创建管道对象
conn1.send([内容])  # 列表内容
conn2.recv()  # 接收内容
conn1.close()	# 关闭连接
conn2.close()  # 关闭连接

代码演示：

# test.py
from multiprocessing import Process, Pipe

def f(conn1,conn2):
	conn2.close()	#子进程只需使用connection1,故关闭connection2
    conn1.send([42, None, 'hello'])
    print(conn1.recv())	#无数据则阻塞
    conn1.close()

if __name__ == '__main__':
    conn1, conn2 = Pipe() #建立一个管道,管道返回两个connection,
    p = Process(target=f, args=(conn1,conn2))
    p.daemon = True  #子进程必须和主进程一同退出，防止僵尸进程
    p.start()
    conn1.close() #主进程只需要一个connection,故关闭一个
    print(conn2.recv())   # prints "[42, None, 'hello']"
    print(conn2.send(["test"."test"]))
    conn2.close()	#主进程关闭connection2
    
    

运行结果：

错误代码测试：

#test.py
from multiprocessing import Process, Pipe

def f(conn1):
        
        conn1.send([42, None, 'hello'])
        print(conn1.recv())
        #conn1.close()

if __name__ == '__main__':
    conn1, conn2 = Pipe()
    p = Process(target=f, args=(conn1,))
    p.start()
    conn2.close()
    print(conn1.recv())   # prints "[42, None, 'hello']"
    print(conn1.send(["test","test"]))
    conn1.close()
    p.join()
    

运行结果：

错误代码分析：

误以为conn1 和 conn2 是两个连接，所以只要关掉其中一个连接就好了，但是管道 queue的连接，不是这样子的，管道queue的连接，是要让你将其中一个conn?发送给另一方，由另一方接收管道的另一个管口，意味着你可以将 conn1.close() ，然后将conn2留下来 send() 或 recv()，又或者是将 conn2.close() ，将 conn1 留下来 send() 或 recv()，返回来的是一个通道连接的管口名，但的确Pipe() 确实为我们创建了两个连接，所以我们要把其中一个连接给关闭了，不用浪费连接，毕竟半双工通信只能一方发送，一方等待接收，所以多余的连接是没用的。

关闭连接的步骤是在主进程这边关闭一个管道口名1.close()，在子进程那里再关闭另外的一个管道口名2.close() ，就完成了一次连接关闭(1和 2 是可以颠倒的)。

千万要注意不是只关闭了 1 或 2 的连接就可以了，而是要在两边分别关闭一个 2 或 1 的管道口，各 1 次。

————————————————————————————————————————

三、进程间同步 —— 需加锁，保证数据安全

1. 共享内存 share memory (Value、Array) (默认上锁)

基本特点：

（1）共享内存是一种最为高效的进程间通信方式，进程可以直接读写内存，而不需要任何数据的拷贝。
（2）为了在多个进程间交换信息，内核专门留出了一块内存区，可以由需要访问的进程将其映射到自己的私有地址空间。进程就可以直接读写这一块内存而不需要进行数据的拷贝，从而大大提高效率。（文件映射）
（3）由于多个进程共享一段内存，因此也需要依靠某种同步机制。(默认自动加锁 —— 同步锁)

优缺点：

优点：快速在进程间传递数据

缺点： 数据安全上存在风险，内存中的内容会被其他进程覆盖或 者篡改

注： 经常和同步互斥配合使用

这一点有点类似多线程的数据共享，系统给了进程一个共享内存操作，可以像是单进程代码定义变量后后，去获取变量值。只不过，既然提供了和线程相似的办法了，那么就得用线程的办法来控制数据安全 —— 线程锁 （五种线程锁）。

单单靠线程锁其实还是难以保证数据的安全，因为你无法猜到会轮到哪一个进程处理，如果是调用同一个执行函数的多进程还好控制，如果是调用不同执行函数的多进程，就会很难控制了。
一种方法是使用线程睡眠sleep()提升控制力，可以指定线程锁在一定时间内属于某个进程，而不被释放，这就可以有效保证不同执行函数的进程会很难控制，不过这只是笔者的见解，具体看实际情况分析。

共享内存要符合C语言的使用语法

Value 和 Array 的语法格式：

Value(typecode_or_type, *args, lock=True)  

功能 ：

1. 得到一个共享内存对象，并且存入初始值，method of multiprocessing
2. 返回Returns a synchronized shared object（同步共享对象）
3. typecode_or_type：定义了返回类型（转换成C语言中存储类型），它要么是一个ctypes类型，要么是一个代表ctypes类型的code。
4. *args：开辟一个空间，并赋一个args值，值得类型不限
5. lock 默认自动上锁(同步锁)

注：ctypes是python的一个外部函数库，它提供了和C语言兼容的数据类型，可以调用DLLs或共享库的函数，能被用作在python中包裹这些库。

Array(typecode_or_type, size_or_initializer, *, lock=True) 

功能 ：

1. 使用基本类似于Value，Returns a synchronized shared array （是一个可迭代对象）
2. typecode_or_type：定义转换成C语言的存储类型；
3. size_or_initializer：初始化共享内存空间，
4. 若为数字，表示开辟的共享内存中的空间大小，（Value表示为该空间绑定一个数值）
5. 若为数组，表示在共享内存中存入数组
6. lock 默认自动上锁(同步锁)

Value、Array 数据存储类型参数介绍：

初级 - 共享内存Value、Array 实例代码演示：

# test.py
from multiprocessing import Process, Value, Array

def f(n, a):
    n.value = 3.1415927
    for i in range(len(a)):
        a[i] = -a[i]

if __name__ == '__main__':
    num = Value('d', 0.0)
    arr = Array('i', range(10))

    p = Process(target=f, args=(num, arr))
    p.start()
    p.join()

    print(num.value)
    print(arr[:])

运行结果：

可以像是在代码内定义好的全局变量，供主进程和子进程使用，只需要知道传递的是一个Value和Array对象，值是对象内部的一个变量，我们要做的就是调用这个变量，其值默认被内核储存在一个专门的内存区了。

中级 - 共享内存 Array 样例代码：（代码内有4种初始化Array赋值的方法，可以自行测试）

# test.py
from multiprocessing import Process, Value, Array

def f(n, a):
    n.value = 3.1415927
    for i in range(len(a)):
        a[i] = a[i]+1

if __name__ == '__main__':
    num = Value('d', 0.0)
    # 1
    # arr = Array('i', 10)        # [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    # 2
    print(type(range(10)))         # <class 'range'>
    print(range(10))                # range(0, 10)
    arr = Array('i', range(10))      # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    # 3
    # arr = Array('i', [0]*10)              # [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    # 4
    # arr = Array('i', [0, 1, 2, 3, 100])    # [0, 1, 2, 3, 100]

    print("range(): ".format(arr))
    print(arr[:])
    p = Process(target=f, args=(num, arr))
    p.start()
    p.join()  # 这里使用 time.sleep() 线程睡眠也是可以的，只不过要预判好时间
			 # 主进程要比子进程慢
    print("Process Value: {}".format(num.value))
    print("Process Array: {}".format(arr[:]))
    

参考链接：
python学习笔记——多进程中共享内存Value & Array

8.7. array — Efficient arrays of numeric values

2. 服务器进程 - 共享全局变量之Manager() (手动上锁，非默认)

由 Manager() 返回的管理器对象控制一个服务器进程，该进程保存Python对象并允许其他进程使用代理操作它们。

Manager() 返回的管理器支持类型： list 、 dict 、 Namespace 、 Lock 、
RLock 、 Semaphore 、 BoundedSemaphore 、 Condition 、 Event 、
Barrier 、 Queue 、 Value 和 Array 。

代码演示：

# test.py
from multiprocessing import Process, Manager

def f(d, l):
    d[1] = '1'
    d['2'] = 2
    d[0.25] = None
    l.reverse()

if __name__ == '__main__':
    with Manager() as manager:
        d = manager.dict()
        l = manager.list(range(10))
        p = Process(target=f, args=(d, l))
        p.start()
        p.join()

        print(d)
        print(l)
        

这里的上锁，其实最应该上线程锁的是为了防范不同执行函数的进程，去调用共享变量，从而导致出现的数据安全问题，因而同一个进程其实上不上锁，归根到底都是在处理使用同一个执行函数，处理的过程都一样的，就好比如，完美理想状态下，你用100台相同的机器生产出来的东西难道就不一样吗？不要杠！差别在于顺序罢了，都已经放在同一个仓库里，还需要按顺序吗？这里是同种产品。

当然可能我没碰到过这种特别的情况，或许以后会来补充说明，就先告一段落。

参考链接

python进程间通信

本栏目推荐文章
• ThreadLocal真的会造成内存泄漏吗？
• Linux的守护进程 [补档-2023-08-10]
• Linux进程间通信 [补档-2023-07-27]
• Linux的进程管理 [补档-2023-07-25]
• 第二章 Spring Boot 整合 Kafka消息队列 生产者
• 数组内存图
• C++ 单例模式以及内存管理
• JVM内存参数设置
• 【C语言】动态内存申请，堆空间与栈空间差异
• golang进程（主线程）与协程

进程 队列 Value_Array 管道 内存进程 队列value_array管道 管道 进程linux 管道 进程linux fifo 一端 管道provider进程 管道 进程 碎片 管道pipeline内存 管道 进程 方式 管道 深度 进程shell 队列 进程 消息 value_array