Python爬虫-进程间通信

Python爬虫-进程间通信
进程概述
进程（Process）是计算机中已运行程序的实体。进程与程序不同，程序本身只是指令、数据及器组织形式的描述，进程才是程序（那些指令和数据）的真正运行实体。例如在没有打开QQ时，QQ只是程序。打开以后，操作系统为QQ开启一个进程。再打开一个QQ，则又开启一个进程。

那么在多进程中，每个进程之间是什么关系呢？其实每个进程都有自己的地址空间、内存、数据栈以及其他记录其运行状态的辅助数据。下通过一个例子验证一下进程间是否能直接共享信息。示例代码如下：

#_*_coding:utf-8_*_
# 作者      ：liuxiaowei
# 创建时间   ：2/13/22 10:04 AM
# 文件      ：验证进程之间能否直接共享信息.py
# IDE      ：PyCharm

from multiprocessing import Process

def plus():
    print('-------子进程1开始------')
    global g_num
    g_num += 50
    print('g_num is %d'%g_num)
    print('-------子进程1结束------')

def minus():
    print('-------子进程2开始------')
    global g_num
    g_num -= 50
    print('g_num is %d'%g_num)
    print('-------子进程2结束------')

g_num = 100 # 定义一个全局变量
if __name__ == '__main__':
    print('-------主进程开始------')
    print('g_num is %d'%g_num)
    p1 = Process(target=plus)   # 实例化进程p1
    p2 = Process(target=minus)  # 实例化进程p2
    p1.start()                  # 开启进程p1
    p2.start()                  # 开启进程p2
    p1.join()                   # 等待p1进程结束
    p2.join()                   # 等待p2进程结束
    print('-------主进程结束------')

示例代码中定义一个全局变量g_num,分别创建2个子进程对g_num变量执行不同的操作，并输出操作后的结果。运行结果如下：

-------主进程开始------
g_num is 100
-------子进程1开始------
g_num is 150
-------子进程1结束------
-------子进程2开始------
g_num is 50
-------子进程2结束------
-------主进程结束------

Process finished with exit code 0

上述代码中，分别创建了2个子进程，一个子进程中令g_num变量加50，另一个子进程令g_num变量减50。但是从运行结果看，g_num变量在父进程和2个子进程中的初识值都是100，也就是说全局变量g_num在一个进程中的结果并没有传到下一个进程中，即进程之间并没有共享信息。

要如何才能实现进程间的通信呢？Python的multiprocessing模块包装了底层的机制，提供了Queue(队列)、Pipes(管道)等多种方式来交换数据。

队列简介
队列（Queue)就是模仿现实中的排队。举个栗子（非网上购票方式，曾经的买电影票的方式），例如排队买电影票，新来的人排到队伍最后，最前面的人买完票走开，后面的人跟上。由此可见队列的两个特点：

§ 新来的都排在队尾

§ 最前面的完成后离队，后面一个跟上

多进程队列的使用
进程间有时需要通信，操作系统提供了很多机制来实现进程间的通信，如可以使用multiprocessing模块的Queue队列实现多进程之间的数据传递。Queue本身是一个消息队列程序，下面介绍一下它的使用。

初始化Queue()对象时（例如：q=Queue(num))，若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）。Queue常用方法如下：

§ Queue.qsize():返回当前队列包含的消息数量

§ Queue.empty():如果队列为空，返回True,否则返回False

§ Queue.full():如果队列满了，返回True,否则返回False

§ Queue.get([block[,timeout]]):获取队列中的一条消息，然后将其从队列中移除，block默认值为True

如果block使用默认值，且没有设置timeout(单位秒)，消息队列为空，此时程序将被阻塞（停在读取状态），直到从消息队列中读到消息为止，如果设置了timeou，则会等待timeout秒，若还没有读取到任何消息，则抛出“Queue.Empty“异常
如果block值为False，消息队列为空，则会立刻抛出“Queue.Empty“异常
§ Queue.get_nowait():相当Queue.get(Flase)

§ Queue.put(item,[block[,timeout]]):将item消息写入队列，block默认值为True

如果block使用默认值，且没有设置timeout（单位秒），当消息队列已经没有空间可写入时，程序将被阻塞（停在写入状态），直到从消息队列腾出空间为止，如果设置了timeout，则会等待timeout秒，若还没有空间，则抛出“Queue.Full“异常
如果block值为False,当消息队列没有空间可写入时，则会立刻抛出“Queue.Full“异常
Queue.put_nowait(item):相当Queue.put(item,False)
示例代码如下：

#_*_coding:utf-8_*_
# 作者      ：liuxiaowei
# 创建时间   ：2/13/22 3:33 PM
# 文件      ：使用processing.Queue实现多进程队列.py
# IDE      ：PyCharm


#coding=utf-8
from multiprocessing import Queue

if __name__ == '__main__':
    q=Queue(3) # 初始化一个Queue对象，最多可接收三条put消息
    q.put("消息1")
    q.put("消息2")
    print(q.full())  # 返回False
    q.put("消息3")
    print(q.full()) # 返回True

    # 因为消息队列已满，下面的try会抛出异常，
    # 第一个try会等待2秒后再抛出异常，第二个try会立刻抛出异常
    try:
        q.put("消息4",True,2)
    except:
        print("消息队列已满，现有消息数量:%s"%q.qsize())

    try:
        q.put_nowait("消息4")
    except:
        print("消息队列已满，现有消息数量:%s"%q.qsize())

    # 读取消息时，先判断消息队列是否为空，为空时再读取
    if not q.empty():
        print('----从队列中获取消息---')
        for i in range(q.qsize()):
            print(q.get_nowait())
    # 先判断消息队列是否已满，不为满时再写入
    if not q.full():
        q.put_nowait("消息4")

程序运行结果如下：

False
True
消息队列已满，现有消息数量:3
消息队列已满，现有消息数量:3
----从队列中获取消息---
消息1
消息2
消息3

备 注

此程序只能在Windows环境下运行成功，mac系统会报错。不知道什么原因？而且单独的print(q.qsize())都报错。

使用队列在进程间通信
我们知道使用multiprocessing.Process可以创建多进程，使用multiprocessing.Queue可以实现队列的操作。结合Process和Queue实现进程间的通信。示例代码如下：

#_*_coding:utf-8_*_
# 作者      ：liuxiaowei
# 创建时间   ：2/13/22 1:09 PM
# 文件      ：使用队列实现在进程间通信.py
# IDE      ：PyCharm

from multiprocessing import Process, Queue
import  time

# 向队列中写入数据
def write_task(q):
    if not q.full():
        for i in range(5):
            message = "消息" + str(i)
            q.put(message)
            print("写入:%s"%message)
# 从队列读取数据
def read_task(q):
    time.sleep(1)                      # 休眠1秒
    while not q.empty():
        print("读取:%s" % q.get(True,2))     # 等待2秒，如果还没读取到任何消息，
                                           # 则抛出"Queue.Empty"异常

if __name__ == "__main__":
    print("-----父进程开始-----")
    q = Queue()  # 父进程创建Queue，并传给各个子进程
    pw = Process(target=write_task, args=(q,)) # 实例化写入队列的子进程，并且传递队列
    pr = Process(target=read_task, args=(q,))  # 实例化读取队列的子进程，并且传递队列
    pw.start()   # 启动子进程 pw，写入
    pr.start()   # 启动子进程 pr，读取
    pw.join()    # 等待 pw 结束
    pr.join()    # 等待 pr 结束
    print("-----父进程结束-----")

上述代码中创建2个子进程，一个子进程负责向队列中写入数据，另一个子进程负责从队列中读取数据。为保证能够正确从队列中读取数据，设置读取数据的进程等待时间为2秒。如果2秒后仍然无法读取数据，则抛出异常。运行结果如下：

-----父进程开始-----
写入:消息0
写入:消息1
写入:消息2
写入:消息3
写入:消息4
读取:消息0
读取:消息1
读取:消息2
读取:消息3
读取:消息4
-----父进程结束-----

Process finished with exit code 0