Python下进程同步之互斥锁、信号量、事件机制

一、锁机制: multiprocess.Lock

上篇博客中，我们千方百计实现了程序的异步，让多个任务同时在几个进程中并发处理，但它们之间的运行没有顺序。尽管并发编程让我们能更加充分的利用io资源，但是也给我我们带来了新问题，多个进程使用同一份数据资源的时候，就会引发数据安全或顺序混乱问题. 例：

# 多进程抢占输出资源

from multiprocessing import Process
from os import getpid
from time import sleep
from random import random


def work(i):
    print("%s: %s is running" %(i, getpid()))
    sleep(random())
    print("%s: %s is done" %(i, getpid()))


if __name__ == '__main__':
    for i in range(5):
        p = Process(target=work, args=(i,))
        p.start()

使用互斥锁维护执行顺序：

# 使用锁机制维护执行顺序

from multiprocessing import Process, Lock
from os import getpid
from time import sleep
from random import random


def work(lock, i):
    lock.acquire()    # ⚠️开锁进门
    print("%s: %s is running" %(i, getpid()))
    sleep(random())
    print("%s: %s is done" %(i, getpid()))
    lock.release()    # ⚠️出门，归还钥匙

if __name__ == '__main__':
    lock = Lock()    # ⚠️实例化一把锁，一把钥匙

    for i in range(5):
        p = Process(target=work, args=(lock, i))
        p.start()

上面这种情况虽然使用加锁的形式实现了顺序的执行，却使得进程变成了串行执行，这样确实会浪费些时间，但是保证了数据的安全.

接下来我们以模拟抢票为例，来看看数据安全的重要性：

# 文件db的内容为：{"count": 1} （注意："count"一定要用双引号，否者json无法识别）
# 并发运行，效率高，但是：竞争抢票只读写同一个文件，造成数据写入错乱

from multiprocessing import Process
from time import sleep
from json import load, dump


def search():
    dct = load(open('db'))
    print("\033[43m剩余票数:%s\033[0m" %dct['count'])


def get():
    dct = load(open('db'))
    sleep(0.01)  # 模拟读数据的网络延迟

    if dct['count'] > 0:
        dct['count'] -=1
        sleep(0.02)  # 模拟写数据的网络延迟
        dump(dct, open('db', 'w'))
        print("\033[32m购票成功\033[0m")


def tack():
    search()
    get()


if __name__ == '__main__':
    for i in range(100):    # 模拟并发100个客户端抢票
        p =Process(target=tack)
        p.start()

# 100个进程同时读写同一个文件，可能会报错

使用锁机制保护数据安全：

# 文件db的内容为：{"count": 1} （注意："count"一定要用双引号，否者json无法识别）
# 同步运行，效率低，但是可以保证数据安全

from multiprocessing import Process, Lock
from time import sleep
from json import load, dump


def search():
    dct = load(open('db'))
    print("\033[43m剩余票数:%s\033[0m" %dct['count'])


def get():
    dct = load(open('db'))
    sleep(0.01)  # 模拟读数据的网络延迟

    if dct['count'] > 0:
        dct['count'] -=1
        sleep(0.02)  # 模拟写数据的网络延迟
        dump(dct, open('db', 'w'))
        print("\033[32m购票成功\033[0m")


def tack():
    search()
    lock.acquire()    # 上锁
    get()
    lock.release()    # 释放


if __name__ == '__main__':
    lock = Lock()    # 实例化一把锁

    for i in range(100):    # 模拟并发100个客户端抢票
        p =Process(target=tack)
        p.start()

# 可能会遇到json.decoder.JSONDecodeError报错

使用锁机制可以保证多个进程想要修改同一块数据时，在同一时间点只能有一个进程进行修改，即串行的修改，牺牲速度而保证安全性.

虽然可以用文件共享数据实现进程间通讯，但问题是：1. 效率低（共享数据基于文件，而文件是硬盘上的数据）；2. 需要自己加锁处理。因此我们最好找寻一种解决方案能够兼顾：1. 效率高（多个进程共享一块内存的数据）；2. 帮我们处理好锁的问题。这就是mutiprocessing模块为我们提供的基于消息的IPC通信机制：队列和管道

队列和管道都是将数据存放于内存中，而队列又是基于（管道+锁）实现的，可以让我们从复杂的问题中解脱出来，我们应该尽量避免使用共享数据，尽可能使用消息传递和队列，避免处理复杂的同步和锁问题，而且在进程数目增多时，往往可以获得更好的可扩展性.

二、信号量：multiprocessing.Semaphore

1. 信号量Semaphore允许一定数量的线程在同一时间点更改同一块数据，很形象的例子：厕所里有3个坑，同时可以3个人蹲，如果来了第4个人就要在外面等待，直到某个人出来了才能进去.

2.信号量同步基于内部计数器，每调用一次acquire()，计数器-1，每调用一次release()，计数器+1，当计数器为0时，acquire()调用被阻塞。这时迪克斯彻（Dijkstra）信号量概念P()和V()的Python实现，信号同步机制适用于访问像服务器这样的有限资源.

3.注意：信号量与进程池的概念很像，要注意区分，信号量涉及到加锁的概念.

方法

obj = Semaphore(4)：实例化一把锁，4把钥匙，钥匙可以指定（最小0，最大未知）

obj.acquire()：加锁，锁住下方的语句，直到遇到obj.release()方可解锁

obj.release()：释放，释放obj.acquire()和obj.release()的语句数据，此方法如果写在加锁之前，便多了一把钥匙

基本用法

# 一把锁，多把钥匙

from multiprocessing import Semaphore

s = Semaphore(2)    # 实例化一把锁，配2把钥匙

s.release()     # 可以先释放钥匙，变成3把钥匙
s.release()     # 再释放一把钥匙，现在变成了4把钥匙

s.acquire()
print(1)

s.acquire()
print(2)

# 加上先释放的钥匙，我门总共有4把钥匙
s.acquire() # 顺利执行
print(3)

s.acquire() # 顺利执行
print(4)

# 钥匙全部被占用
s.acquire() # 此处阻塞住，等待钥匙的释放
print(5)    # 不会被打印

进阶：小黑屋

# 小黑屋

from multiprocessing import Process, Semaphore
from time import sleep
from random import uniform


def func(sem, i):
    sem.acquire()
    print("第%s个人进入了小黑屋" % i)
    sleep(uniform(1, 3))
    print("第%s个人走出了小黑屋" % i)
    sem.release()


if __name__ == '__main__':
    sem = Semaphore(5)  # 初始化一把锁，配5把钥匙

    for i in range(10): # 启动10个子进程，最多只能5个人同在小黑屋中
        p = Process(target=func, args=(sem, i))
        p.start()

三、事件机制：multiprocessing.Event

Python线程的事件用于主线程控制其它线程的执行，事件主要提供了三个方法：set、wait，clear

事件处理机制：全局定义了一个“Flag”，如果“Flag”值为False，程序执行wait()方法会被阻塞；如果“Flag”值为True，程序执行wait()方法便不会被阻塞.

方法

obj.is_set()：默认值为False，事件是通过此方法的bool值去标示wait()的阻塞状态

obj.set()：将is_set()的bool值改为True

obj.clear()：将is_set()的bool值改为False

obj.wait()：is_set()的值为False时阻塞，否则不阻塞

实例：模拟红绿灯

# 模拟红绿灯

from multiprocessing import Process, Event
import time
import random


def Tra(e):
    print("\033[32m绿灯亮\033[0m")
    e.set()

    while 1:
        if e.is_set():
            time.sleep(3)
            print("\033[31m红灯亮\033[0m")
            e.clear()
        else:
            time.sleep(3)
            print("\033[32m绿灯亮\033[0m")
            e.set()


def Car(e, i):
    e.wait()
    print("第%s辆小汽车过去了" % i)


if __name__ == '__main__':
    e = Event()

    tra = Process(target=Tra, args=(e,))
    tra.start()

    for i in range(100):    # 模拟一百辆小汽车
        time.sleep(0.5)
        car = Process(target=Car, args=(e, i))
        car.start()