ps：人工智能相关参考网站
图灵机器人：http://www.turingapi.com/
百度大脑：http://ai.baidu.com/creation/main/demo
作为一名python程序员当你遇到一个功能的时候，第一时间你可以考虑是否有对应的模块已经帮你实现了该功能
如果你的pycharm老是过期，你可以直接下载最新版本的pycharm，然后加入一个网站获取激活码即可
http://idea.medeming.com/jets/
一台计算机上面运行着很多进程，那么计算机是如何区分并管理这些进程服务端的呢？
计算机会给每一个运行的进程分配一个PID号
如何查看？
windows电脑 进入cmd输入tasklist即可查看 <br></br> tasklist | findstr PID查看具体的进程<br></br> 强制杀死进程 taskkill /F /PID PIP号<br></br> <br></br>
mac电脑，进入终端之后输入ps aux <br></br> ps aux | grep PID查看具体的进程查看当前进程的进程号
from multiprocessing import Process,current_process
current_process().pid # 查看当前进程的进程号
import os
os.getpid() # 查看当前进程的进程号
os.getppid() # 查看当前进程的父进程号current_processfrom multiprocessing import Process,current_process
import time
import os
def task():
print('%s is running' %current_process().pid) # 查看当前进程的进程号
time.sleep(30)
if __name__ == '__main__':
p = Process(target=task)
p.start()
print('主',current_process().pid)
# 主 13496
# 13352 is runningos
from multiprocessing import Process,current_process
import time
import os
def task():
print('%s is running' %os.getpid()) # 查看当前进程的进程号
print('子进程的主进程号%s' %os.getppid())
time.sleep(30)
if __name__ == '__main__':
p = Process(target=task)
p.start()
print('主',os.getpid())
print('主主',os.getppid()) # 获取父进程的pid号
# 主 7864
# 主主 10108
# 3356 is running
# 子进程的主进程号7864了解：
p.start()
p.terminate() # 杀死当前进程
# 这句话是告诉操作系统帮你取杀死当前进程，但是需要一定的时间，而代码的运行速度极快
time.sleep(1)
print(p.is_alive()) # 判断当前进程是否存活
'''
一般情况下我们会默认将
存储布尔值的变量名
和返回的结果是布尔值的方法名
都起成is_开头
'''僵尸进程
死了，但是没有死透
当你开设了子进程之后，该进程死后不会立刻释放占用的进程号
因为我要让父进程能够查看到它开设的子进程的一些基本信息，占用的pid号，运行时间
所有的进程都会步入僵尸进程
父进程不死，并且在无限制的创建子进程并且子进程也不结束
回收子进程占用的pid号
父进程等待子进程运行结束
父进程调用join方法
孤儿进程
子进程存活，父进程意外死亡
操作系统会开设一个"儿童福利院"，专门管理孤儿进程回收相关资源
from multiprocessing import Process
import time
def task(name = 'egon'):
print('%s总管正常活着' %name)
time.sleep(3)
print('%s总管正在死亡' %name)
if __name__ == '__main__':
# p = Process(target=task,args=('egon',))
p = Process(target=task,kwargs={'name':'egon'})
p.daemon = True # 将进程p设置成守护进程 这句话一定要放在start方法上面才有效果，否则报错
p.start()
print('皇帝jason寿终正寝')多个进程操作同一份数据的时候，会出现数据错乱的问题
针对上述问题，解决方法就是加锁处理，将并发变成串行，牺牲效率但是保证了数据的安全
扩展：
行锁 表锁
注意：
1、锁不要轻易的使用，容易造成死锁现象（我们一般写代码不会用到，都是内部封装好的）
2、锁只在处理数据的部分加起来保证数据安全（只在争抢数据的环节加锁处理即可）
文件
data.txt
{"ticket_num": 1}代码
from multiprocessing import Process,Lock
import json
import time
import random
# 查票
def search(i):
# 文件操作，读取票数
with open('data','r',encoding='utf-8') as f:
dic = json.load(f)
print('用户%s查询余票%s' %(i,dic.get('ticket_num')))
# 字典取值不要用[]的形式，推荐使用get 你写的代码打死都不能报错！！！
# 买票 1、先查 2、再买
def buy(i):
# 先查票
with open('data','r',encoding='utf-8') as f:
dic = json.load(f)
# 模拟网络延迟
time.sleep(random.randint(1,3))
# 判断当前是否有票
if dic.get('ticket_num') > 0:
# 修改数据库，，买票
dic['ticket_num'] -= 1
# 写入数据库
with open('data','w',encoding='utf-8') as f:
json.dump(dic,f)
print('用户%s 买票成功' %i)
else:
print('用户%s 买票失败' %i)
# 整合上面两个函数
def run(i,mutex):
search(i)
# 给买票环节加锁处理
# 抢锁
mutex.acquire()
buy(i)
# 释放锁
mutex.release()
if __name__ == '__main__':
# 在主进程中生成一把锁，让所有的子进程抢，谁先抢到谁先买票
mutex = Lock()
for i in range(1,11):
p = Process(target=run, args=(i, mutex))
p.start()管道：subprocess
stdin stdout stderr
队列：管道+锁
队列：先进先出
堆栈：先进后出
from multiprocessing import Queue
# 创建一个队列
q = Queue(5) # 括号内可以传数据，标示生成的队列最大可以同时存放的数据量
# 往队列中存数据
q.put(111)
q.put(222)
q.put(333)
print(q.full()) # 判断当前队列是否满了
print(q.empty()) # 判断当前队列是否空了
q.put(444)
q.put(555)
print(q.full()) # 判断当前队列是否满了
# q.put(666) # 当队列数据放满了之后，如果还有数据，程序会阻塞，直到有位置让出来，不会报错
'''
存取数据 存是为了更好的取
千方百计的存，简单快捷的取
同在一个屋檐下
差距为何那莫大
'''
# 去队列中取数据
v1 = q.get()
v2 = q.get()
v3 = q.get()
v4 = q.get()
v5 = q.get()
print(q.empty()) # 判断当前队列是否空了
# v6 = q.get_nowait() # 没有数据直接报错 queue.Empty
# v6 = q.get(timeout=3) # 没有数据之后原地等待三秒之后再报错 queue.Empty
# v6 = q.get() # 队列中如果已经没有数据的话，get方法会原地阻塞
try:
v6 = q.get(timeout=3)
print(v6)
except Exception as e:
print('一滴都没有了！')
# print(v1,v2,v3,v4,v5,v6)
'''
q.full() 判断当前队列是否满了
q.empty() 判断当前队列是否空了
q.get_nowait() 没有数据直接报错
在多进程的情况下是不精确的
'''含义为进程间通信或者跨进程通信，是指两个进程之间进行数据交换的过程。
from multiprocessing import Queue,Process
'''
研究思路：
1、主进程跟子进程借助于队列通信
2、子进程跟子进程借助于队列通信
'''
def producer(q):
q.put('我是23号技师，很高兴为您服务！')
print('hello big baby~')
def consumer(q):
print(q.get())
if __name__ == '__main__':
q = Queue()
p = Process(target=producer,args=(q,))
p1 = Process(target=consumer,args=(q,))
p.start()
p1.start()
# print(q.get())生产者：生产/制造东西的
消费者：消费/处理东西的
该模型除了上述两个之外，还需要一个媒介
生活中的例子：做包子的将包子做好之后放在蒸笼（媒介）里面，买包子的去蒸笼里面拿
厨师做菜做完之后用盘子装着给消费者端过去
生产者和消费者之间不是直接做交互的，而是借助于媒介做交互
生产者（做包子的） + 消息队列（蒸笼） + 消费者（吃包子的）
from multiprocessing import Queue,Process,JoinableQueue
import random
import time
# 生产者
def producer(name,food,q):
for i in range(5):
data = '%s生产的%s%s' %(name,food,i)
# 模拟延迟
time.sleep(random.randint(1,3))
print(data)
# 将数据放入队列
q.put(data)
# 消费者
def consumer(name,q):
# 消费者胃口很大，光盘行动
while True:
food = q.get() # 没有数据就会卡住
# 判断当前是否有结束的标识
# if food is None:
# break
time.sleep(random.randint(1,3))
print('%s吃了%s' %(name,food))
q.task_done() # 告诉队列你已经从里面取出了一个数据并且处理完毕了
if __name__ == '__main__':
# q = Queue()
q = JoinableQueue()
p1 = Process(target=producer,args=('大厨egon','包子',q))
p2 = Process(target=producer,args=('马叉虫tank','煲汤',q))
c1 = Process(target=consumer,args=('春哥',q))
c2 = Process(target=consumer,args=('星哥',q))
p1.start()
p2.start()
# 将消费者设置守护进程
c1.daemon = True
c2.daemon = True
c1.start()
c2.start()
p1.join()
p2.join()
# 等待生产者生产完毕之后，往队列中添加特定的结束符号
# q.put(None) # 肯定在所有生产者生产的数据的末尾
# q.put(None) # 肯定在所有生产者生产的数据的末尾
q.join() # 等待队列中所有的数据被取完在执行往下执行的代码
'''
JoinableQueue 每当你往该队列中存入数据的时候，内部会有一个计数器+1
每当你调用task_done的时候，计数器-1
q.join() 当计数器为0的时候，才往后执行
'''
# 只有q.join执行完毕，说明消费者已经处理完数据了，消费者就没有存在的必要了致命三问：
进程：资源单位
线程：执行单位
将操作系统比喻成一个大的工厂
那么进程就相当于工厂里面的车间
而线程就是车间里面的流水线
每一个进程肯定自带一个线程
再次总结：
进程：资源单位（起一个进程仅仅只是在内存空间中开辟一块独立的空间）
线程：执行单位（真正被cpu执行的其实是进程里面的线程，线程指的就是代码执行的过程，执行代码中所需要使用到的资源都找所在的进程索要）<br></br><br></br>进程和线程都是虚拟单位，只是为了我们更加方便的描述问题开设进程
1、申请内存空间 耗资源
2、"拷贝代码" 耗资源
开线程
一个进程内可以开设多个线程，在同一个进程内开设多个线程无需再次申请内存空间的操作
<strong>
总结：开设线程的开销要远远小于进程的开销</strong><br></br><strong> 同一个进程下的多个线程数据是共享的<br></br></strong><br></br>举例：<br></br>我们要开发一款文本编辑器<br></br> 获取用户输入的功能 <br></br> 实时展示到屏幕的功能<br></br> 自动保存到硬盘的功能<br></br>针对上面这三个功能，开设进程还是线程合适？？？<br></br>开三个线程处理上面的三个功能更加的合理声明：该文章系转载，转载该文章的目的在于更广泛的传递信息，并不代表本网站赞同其观点，文章内容仅供参考。
本站是一个个人学习和交流平台，网站上部分文章为网站管理员和网友从相关媒体转载而来，并不用于任何商业目的，内容为作者个人观点， 并不代表本网站赞同其观点和对其真实性负责。
我们已经尽可能的对作者和来源进行了通告，但是可能由于能力有限或疏忽，导致作者和来源有误，亦可能您并不期望您的作品在我们的网站上发布。我们为这些问题向您致歉，如果您在我站上发现此类问题，请及时联系我们，我们将根据您的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。
微信扫码关注 HaowuliaoA 订阅号