Python并行编程(十二)：进程同步
Python并行编程(十二)：进程同步
1、基本概念
多个进程可以协同工作来完成一项任务，通常需要共享数据。所以在多进程之间保持数据的一致性就很重要，需要共享数据协同的进程必须以适当的策略来读写数据。同步原语和线程的库类似。
– Lock：一个Lock对象有两个方法acquire和release来控制共享数据的读写权限。
– Event：一个进程发事件的信号，另一个进程等待事件的信号。Event对象有两个方法set和clear来管理自己内部的变量。
– Condition：此对象用来同步部分工作流程，在并行的进程中，有两个基本的方法，wait()用来等待进程，notify_all用来通知所有等待此条件的进程。
– Semaphore：用来共享资源，比如：支持固定数据的共享连接。
– RLock：递归锁对象，其用途和方法同Threading模块一样。
– Barrier：将程序分成几个阶段，适用于有些进程必须在某些特性进程之后执行，处于Barrier之后的代码不能同处于Barrier之前的代码并行。
2、测试用例
使用barrier函数来同步两个进程
import multiprocessing from multiprocessing import Barrier, Lock, Process from time import time from datetime import datetime def test_with_barrier(synchronizer, serializer): name = multiprocessing.current_process().name synchronizer.wait() now = time() with serializer: print("process %s ----> %s" %(name, datetime.fromtimestamp(now))) def test_without_barrier(): name = multiprocessing.current_process().name now = time() print("process %s ----> %s" %(name, datetime.fromtimestamp(now))) if __name__ == "__main__": # create a barrier and lock. synchronizer = Barrier(2) serializer = Lock() # create four processes Process(name='p1 - test_with_barrier', target=test_with_barrier, args=(synchronizer, serializer)).start() Process(name='p2 - test_with_barrier', target=test_with_barrier, args=(synchronizer, serializer)).start() Process(name='p3 - test_without_barrier', target=test_without_barrier).start() Process(name='p4 - test_without_barrier', target=test_without_barrier).start()
运行结果如下：
test_with_barrier函数调用了barrier的wait()方法，当两个进程都调用wait()方法时，他们会一起继续执行。
3、进程之间管理状态
Python的多进程模块提供了在所有的用户间管理共享信息的管理者(Manager)，一个管理者对象控制着持有Python对象的服务进程，并允许其他进程操作共享对象。
管理者特性：
– 它控制着管理共享对象的服务进程
– 它确保当某一进程修改了共享对象之后，所有的进程拿到的共享对象都得到了更新。
代码示例：
import multiprocessing def worker(dictionary, key, item): dictionary[key] = item print("key = %d value = %d" %(key, item)) if __name__ == "__main__": mgr = multiprocessing.Manager() dictionary = mgr.dict() jobs = [multiprocessing.Process(target=worker, args=(dictionary, i, i*2)) for i in range(10)] for j in jobs: j.start() for j in jobs: j.join() print("Results:",dictionary)
运行结果：
上述代码创建了一个管理者字典dictionary，在n个job之间共享，每个job都会更新字典的某一个index，所有的job完成之后，最后打印该字典，所有数据均存在。