进程间通信表示进程之间的数据交换。 为了开发并行应用程序，需要在进程间交换数据。 下图显示了多个子过程之间同步的各种通信机制 -
各种通信机制
队列
队列可以用于多进程程序。 多处理模块的Queue类与Queue.Queue类相似。 因此，可以使用相同的API。 Multiprocessing.Queue提供了进程间通信的线程和进程安全FIFO(先进先出)机制。
例子
下面是一个简单的例子，从python官方文档多处理了解Queue类的多处理概念
from multiprocessing import Process, Queue
import queue
import random
def f(q):
q.put([42, None, 'hello'])
def main():
q = Queue()
p = Process(target = f, args = (q,))
p.start()
print (q.get())
if __name__ == '__main__':
main()
执行上面示例代码，得到以下结果 -
[42, None, 'hello']
管道
它是一种数据结构，用于在多进程程序中的进程之间进行通信。Pipe()函数返回一对由管道连接的连接对象，默认情况下是双工(双向)。 它的工作原理如下 -
它返回一对代表管道两端的连接对象。
每个对象都有两个方法 - send()和recv()，以在进程之间进行通信。
例子
下面是一个简单的例子，摘自python官方文档多处理，以理解Pipe()函数的多进程概念
from multiprocessing import Process, Pipe
def f(conn):
conn.send([42, None, 'hello'])
conn.close()
if __name__ == '__main__':
parent_conn, child_conn = Pipe()
p = Process(target = f, args = (child_conn,))
p.start()
print (parent_conn.recv())
p.join()
执行上面代码，得到以下结果 -
[42, None, 'hello']
管理器
Manager是一类多处理模块，它提供了一种协调所有用户之间共享信息的方式。管理器对象控制服务器进程，该进程管理共享对象并允许其他进程操纵它们。 换句话说，管理器提供了一种方法来创建可以在不同进程之间共享的数据。 以下是Manager对象的不同属性 -
- 管理器的主要属性是控制管理共享对象的服务器进程。
- 另一个重要属性是在任何进程修改它时更新所有共享对象。
例子
以下是使用管理器对象在服务器进程中创建列表记录，然后在该列表中添加新记录的示例。
import multiprocessing
def print_records(records):
for record in records:
print("Name: {0}\nScore: {1}\n".format(record[0], record[1]))
def insert_record(record, records):
records.append(record)
print("A New record is added\n")
if __name__ == '__main__':
with multiprocessing.Manager() as manager:
records = manager.list([('Computers', 1), ('Histoty', 5), ('Hindi',9)])
new_record = ('English', 3)
p1 = multiprocessing.Process(target = insert_record, args = (new_record, records))
p2 = multiprocessing.Process(target = print_records, args = (records,))
p1.start()
p1.join()
p2.start()
p2.join()
执行上面代码，得到以下结果 -
A New record is added
Name: Computers
Score: 1
Name: Histoty
Score: 5
Name: Hindi
Score: 9
Name: English
Score: 3
管理器命名空间的概念
Manager类带有名称空间的概念，这是一种在多个进程间共享多个属性的快速方法。 命名空间不具有任何可以调用的公共方法，但它们具有可写的属性。
例子
以下Python脚本示例如何使用命名空间在主进程和子进程之间共享数据 -
import multiprocessing
def Mng_NaSp(using_ns):
using_ns.x +=5
using_ns.y *= 10
if __name__ == '__main__':
manager = multiprocessing.Manager()
using_ns = manager.Namespace()
using_ns.x = 1
using_ns.y = 1
print ('before', using_ns)
p = multiprocessing.Process(target = Mng_NaSp, args = (using_ns,))
p.start()
p.join()
print ('after', using_ns)
执行上面示例代码，得到以下结果 -
before Namespace(x = 1, y = 1)
after Namespace(x = 6, y = 10)
Ctypes数组和值
Multiprocessing模块提供了Array和Value对象，用于将数据存储在共享内存映射中。 Array是从共享内存分配的Array和Value是从共享内存分配的ctypes对象。
Multiprocessing模块导入Process，Value，Array。
例子
下面的Python脚本是一个从python文档中获取的例子，它利用Ctypes Array和Value在进程间共享一些数据。
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[:])
执行上面示例代码，得到以下结果 -
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
顺序进程(CSP)
CSP用于说明系统与具有并行模型的其他系统的交互。 CSP是通过消息传递编写并发或编程的框架，因此它对于描述并发是有效的
Python PyCSP库
要实现在CSP中找到的核心原语，Python有一个名为PyCSP的库。 它使实现非常简短和易读，因此可以非常容易地理解它。 以下是PyCSP的基本流程网络 -
在上面的PyCSP过程网络中，有两个过程 - 进程1和进程2。这些过程通过传递消息通过两个通道 - 通道1和通道2进行通信
安装PyCSP
通过以下命令来安装Python的PyCSP库 -
pip install PyCSP
例子
下面的Python脚本是一个简单的例子，它可以并行运行两个进程。 它是在PyCSP库的帮助下完成的
from pycsp.parallel import *
import time
@process
def P1():
time.sleep(1)
print('P1 exiting')
@process
def P2():
time.sleep(1)
print('P2 exiting')
def main():
Parallel(P1(), P2())
print('Terminating')
if __name__ == '__main__':
main()
在上面的脚本中，已经创建了两个函数，即P1和P2，然后用@process进行装饰，将它们转换为进程。执行上面代码后，得到以下输出结果 -
P2 exiting
P1 exiting
Terminating
