第一，进程是一个实体。每一个进程都有它自己的地址空间，一般情况下，包括文本区域（text region）、数据区域（data region）和堆栈（stack region）。文本区域存储处理器执行的代码；数据区域存储变量和进程执行期间使用的动态分配的内存；堆栈区域存储着活动过程调用的指令和本地变量。

第二，进程是一个“执行中的程序”。程序是一个没有生命的实体，只有处理器赋予程序生命时（操作系统执行之），它才能成为一个活动的实体，我们称其为进程。[]

进程是操作系统中最基本、重要的概念。是多道程序系统出现后，为了刻画系统内部出现的动态情况，描述系统内部各道程序的活动规律引进的一个概念,所有多道程序设计操作系统都建立在进程的基础上。

从理论角度看，是对正在运行的程序过程的抽象

从实现角度看，是一种数据结构，目前在于清晰地刻画动态系统的内在规律，有效管理和调度进入计算机系统主存储器运行的程序。

动态性：进程的实质是程序在多道程序系统中的一次执行过程，进程是动态产生，动态消亡的。

并发性：任何进程都可以同其他进程一起并发执行。

独立性：进程是一个能独立运行的基本单位，同时也是系统分配资源和调度的独立单位；

异步性：由于进程间的相互制约，使进程具有执行的间断性，即进程按各自独立的、不可预知的速度向前推进。

结构特征：进程由程序、数据和进程控制块三部分组成。

多个不同的进程可以包含相同的程序：一个程序在不同的数据集里就构成不同的进程，能看到不同的结果；但是执行过程中，程序不能发生改变。

程序是指令和数据的有序集合，其本身没有任何运行的含义，是一个静态的概念。

而进程是程序在处理机上的一次执行过程，它是一个动态的概念。

程序可以作为一种软件资料长期存在，而进程是有一定生命期的。

程序是永久的，进程是暂时的

先来先服务（FCFS）调度算法是一种最简单的调度算法，该算法既可用于作业调度，也可用于进程调度。FCFS算法比较有利于长作业（进程），而不利于短作业（进程）。由此可知，本算法适合于CPU繁忙型作业，而不利于I/O繁忙型的作业（进程）。

短作业（进程）优先调度算法（SJ/PF）是指对短作业或短进程优先调度的算法，该算法既可用于作业调度，也可用于进程调度。但其对长作业不利；不能保证紧迫性作业（进程）被及时处理；作业的长短只是被估算出来的。

时间片轮转(Round Robin，RR)法的基本思路是让每个进程在就绪队列中的等待时间与享受服务的时间成比例。在时间片轮转法中，需要将CPU的处理时间分成固定大小的时间片，例如，几十毫秒至几百毫秒。如果一个进程在被调度选中之后用完了系统规定的时间片，但又未完成要求的任务，则它自行释放自己所占有的CPU而排到就绪队列的末尾，等待下一次调度。同时，进程调度程序又去调度当前就绪队列中的第一个进程。

      显然，轮转法只能用来调度分配一些可以抢占的资源。这些可以抢占的资源可以随时被剥夺，而且可以将它们再分配给别的进程。CPU是可抢占资源的一种。但打印机等资源是不可抢占的。由于作业调度是对除了CPU之外的所有系统硬件资源的分配，其中包含有不可抢占资源，所以作业调度不使用轮转法。

在轮转法中，时间片长度的选取非常重要。首先，时间片长度的选择会直接影响到系统的开销和响应时间。如果时间片长度过短，则调度程序抢占处理机的次数增多。这将使进程上下文切换次数也大大增加，从而加重系统开销。反过来，如果时间片长度选择过长，例如，一个时间片能保证就绪队列中所需执行时间最长的进程能执行完毕，则轮转法变成了先来先服务法。时间片长度的选择是根据系统对响应时间的要求和就绪队列中所允许最大的进程数来确定的。

      在轮转法中，加入到就绪队列的进程有3种情况：

      一种是分给它的时间片用完，但进程还未完成，回到就绪队列的末尾等待下次调度去继续执行。

      另一种情况是分给该进程的时间片并未用完，只是因为请求I/O或由于进程的互斥与同步关系而被阻塞。当阻塞解除之后再回到就绪队列。

      第三种情况就是新创建进程进入就绪队列。

      如果对这些进程区别对待，给予不同的优先级和时间片从直观上看，可以进一步改善系统服务质量和效率。例如，我们可把就绪队列按照进程到达就绪队列的类型和进程被阻塞时的阻塞原因分成不同的就绪队列，每个队列按FCFS原则排列，各队列之间的进程享有不同的优先级，但同一队列内优先级相同。这样，当一个进程在执行完它的时间片之后，或从睡眠中被唤醒以及被创建之后，将进入不同的就绪队列。  

时间片轮转法

前面介绍的各种用作进程调度的算法都有一定的局限性。如短进程优先的调度算法，仅照顾了短进程而忽略了长进程，而且如果并未指明进程的长度，则短进程优先和基于进程长度的抢占式调度算法都将无法使用。

而多级反馈队列调度算法则不必事先知道各种进程所需的执行时间，而且还可以满足各种类型进程的需要，因而它是目前被公认的一种较好的进程调度算法。在采用多级反馈队列调度算法的系统中，调度算法的实施过程如下所述。

() 应设置多个就绪队列，并为各个队列赋予不同的优先级。第一个队列的优先级最高，第二个队列次之，其余各队列的优先权逐个降低。该算法赋予各个队列中进程执行时间片的大小也各不相同，在优先权愈高的队列中，为每个进程所规定的执行时间片就愈小。例如，第二个队列的时间片要比第一个队列的时间片长一倍，……，第i+1个队列的时间片要比第i个队列的时间片长一倍。

() 当一个新进程进入内存后，首先将它放入第一队列的末尾，按FCFS原则排队等待调度。当轮到该进程执行时，如它能在该时间片内完成，便可准备撤离系统；如果它在一个时间片结束时尚未完成，调度程序便将该进程转入第二队列的末尾，再同样地按FCFS原则等待调度执行；如果它在第二队列中运行一个时间片后仍未完成，再依次将它放入第三队列，……，如此下去，当一个长作业(进程)从第一队列依次降到第n队列后，在第n 队列便采取按时间片轮转的方式运行。

() 仅当第一队列空闲时，调度程序才调度第二队列中的进程运行；仅当第1～(i-)队列均空时，才会调度第i队列中的进程运行。如果处理机正在第i队列中为某进程服务时，又有新进程进入优先权较高的队列(第1～(i-)中的任何一个队列)，则此时新进程将抢占正在运行进程的处理机，即由调度程序把正在运行的进程放回到第i队列的末尾，把处理机分配给新到的高优先权进程。

多级反馈队列

. 在UNIX中该系统调用是：fork，fork会创建一个与父进程一模一样的副本，二者有相同的存储映像、同样的环境字符串和同样的打开文件（在shell解释器进程中，执行一个命令就会创建一个子进程）

　　. 在windows中该系统调用是：CreateProcess，CreateProcess既处理进程的创建，也负责把正确的程序装入新进程。

　　关于创建子进程，UNIX和windows

　　.相同的是：进程创建后，父进程和子进程有各自不同的地址空间（多道技术要求物理层面实现进程之间内存的隔离），任何一个进程的在其地址空间中的修改都不会影响到另外一个进程。

　　.不同的是：在UNIX中，子进程的初始地址空间是父进程的一个副本，提示：子进程和父进程是可以有只读的共享内存区的。但是对于windows系统来说，从一开始父进程与子进程的地址空间就是不同的。

创建进程

p.start()：启动进程，并调用该子进程中的p.run()

p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法

p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁

p.is_alive():如果p仍然运行，返回True

p.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程  

方法介绍

p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置

p.name:进程的名称

p.pid：进程的pid

p.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可)

p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）

属性介绍

在Windows操作系统中由于没有fork(linux操作系统中创建进程的机制)，在创建子进程的时候会自动 import 启动它的这个文件，而在 import 的时候又执行了整个文件。因此如果将process()直接写在文件中就会无限递归创建子进程报错。所以必须把创建子进程的部分使用if __name__ ==‘__main__’ 判断保护起来，import 的时候  ，就不会递归运行了。

import time

from multiprocessing import Process

def f(name):

    print('hello', name)

    print('我是子进程')

if __name__ == '__main__':

    p = Process(target=f, args=('bob',))

    p.start()

    time.sleep()

    print('执行主进程的内容了')

import time

from multiprocessing import Process

def f(name):

    print('hello', name)

    time.sleep()

    print('我是子进程')

if __name__ == '__main__':

    p = Process(target=f, args=('bob',))

    p.start()

    #p.join()

    print('我是父进程')

import os

from multiprocessing import Process

def f(x):

    print('子进程id ：',os.getpid(),'父进程id ：',os.getppid())

    return x*x

if __name__ == '__main__':

    print('主进程id ：', os.getpid())

    p_lst = []

    for i in range():

        p = Process(target=f, args=(i,))

        p.start()

import time

from multiprocessing import Process

def f(name):

    print('hello', name)

    time.sleep()

if __name__ == '__main__':

    p_lst = []

    for i in range():

        p = Process(target=f, args=('bob',))

        p.start()

        p_lst.append(p)

import time

from multiprocessing import Process

def f(name):

    print('hello', name)

    time.sleep()

if __name__ == '__main__':

    p_lst = []

    for i in range():

        p = Process(target=f, args=('bob',))

        p.start()

        p_lst.append(p)

        p.join()       # 串行

    # [p.join() for p in p_lst]

    print('父进程在执行')

import time

from multiprocessing import Process

def f(name):

    print('hello', name)

    time.sleep()

if __name__ == '__main__':

    p_lst = []

    for i in range():

        p = Process(target=f, args=('bob',))

        p.start()

        p_lst.append(p)

   for p in p_lst:

        p.join()    # 并发，并确保所有子进程运行完

    print('父进程在执行')    

import os

from multiprocessing import Process

class MyProcess(Process):

    def __init__(self,name):

        super().__init__()

        self.name=name

    def run(self):

        print(os.getpid())

        print('%s 正在和女主播聊天' %self.name)

p1=MyProcess('wupeiqi')

p2=MyProcess('yuanhao')

p3=MyProcess('nezha')

p1.start() #start会自动调用run

p2.start()

# p2.run()

p3.start()

p1.join()

p2.join()

p3.join()

print('主线程')

from multiprocessing import Process

def work():

    global n

    n=

    print('子进程内: ',n)

if __name__ == '__main__':

    n =

    p=Process(target=work)

    p.start()

    print('主进程内: ',n)

import os

import time

from multiprocessing import Process

class Myprocess(Process):

    def __init__(self,person):

        super().__init__()

        self.person = person

    def run(self):

        print(os.getpid(),self.name)

        print('%s正在和女主播聊天' %self.person)

p=Myprocess('哪吒')

p.daemon=True #一定要在p.start()前设置,设置p为守护进程,禁止p创建子进程,并且父进程代码执行结束,p即终止运行

p.start()

time.sleep() # 在sleep时查看进程id对应的进程ps -ef|grep id

print('主')

from multiprocessing import Process

def foo():

    print()

    time.sleep()

    print("end123")

def bar():

    print()

    time.sleep()

    print("end456")

p1=Process(target=foo)

p2=Process(target=bar)

p1.daemon=True

p1.start()

p2.start()

time.sleep(0.1)

print("main-------")#打印该行则主进程代码结束,则守护进程p1应该被终止.#可能会有p1任务执行的打印信息123,因为主进程打印main----时,p1也执行了,但是随即被终止.

from socket import *

from multiprocessing import Process

server=socket(AF_INET,SOCK_STREAM)

server.setsockopt(SOL_SOCKET,SO_REUSEADDR,)

server.bind(('127.0.0.1',))

server.listen()

def talk(conn,client_addr):

    while True:

        try:

            msg=conn.recv()

            if not msg:break

            conn.send(msg.upper())

        except Exception:

            break

if __name__ == '__main__': #windows下start进程一定要写到这下面

    while True:

        conn,client_addr=server.accept()

        p=Process(target=talk,args=(conn,client_addr))

        p.start()

使用多进程实现socket聊天并发-server

from socket import *

client=socket(AF_INET,SOCK_STREAM)

client.connect(('127.0.0.1',))

while True:

    msg=input('>>: ').strip()

    if not msg:continue

    client.send(msg.encode('utf-8'))

    msg=client.recv()

    print(msg.decode('utf-8'))

from multiprocessing import Process

import time

import random

class Myprocess(Process):

    def __init__(self,person):

        self.name=person

        super().__init__()

    def run(self):

        print('%s正在和网红脸聊天' %self.name)

        time.sleep(random.randrange(,))

        print('%s还在和网红脸聊天' %self.name)

p1=Myprocess('哪吒')

p1.start()

p1.terminate()#关闭进程,不会立即关闭,所以is_alive立刻查看的结果可能还是存活

print(p1.is_alive()) #结果为True

print('开始')

print(p1.is_alive()) #结果为False

class Myprocess(Process):

    def __init__(self,person):

        self.name=person   # name属性是Process中的属性，标示进程的名字

        super().__init__() # 执行父类的初始化方法会覆盖name属性

        #self.name = person # 在这里设置就可以修改进程名字了

        #self.person = person #如果不想覆盖进程名，就修改属性名称就可以了

    def run(self):

        print('%s正在和网红脸聊天' %self.name)

        # print('%s正在和网红脸聊天' %self.person)

        time.sleep(random.randrange(,))

        print('%s正在和网红脸聊天' %self.name)

        # print('%s正在和网红脸聊天' %self.person)

p1=Myprocess('哪吒')

p1.start()

print(p1.pid)    #可以查看子进程的进程id

进程对象的其他属性:pid和name

import os

import time

import random

from multiprocessing import Process

def work(n):

    print('%s: %s is running' %(n,os.getpid()))

    time.sleep(random.random())

    print('%s:%s is done' %(n,os.getpid()))

if __name__ == '__main__':

    for i in range():

        p=Process(target=work,args=(i,))

        p.start()

# 由并发变成了串行,牺牲了运行效率,但避免了竞争

import os

import time

import random

from multiprocessing import Process,Lock

def work(lock,n):

    lock.acquire()

    print('%s: %s is running' % (n, os.getpid()))

    time.sleep(random.random())

    print('%s: %s is done' % (n, os.getpid()))

    lock.release()

if __name__ == '__main__':

    lock=Lock()

    for i in range():

        p=Process(target=work,args=(lock,i))

        p.start()

#文件db的内容为：{"count":}

#注意一定要用双引号，不然json无法识别

#并发运行，效率高，但竞争写同一文件，数据写入错乱

from multiprocessing import Process,Lock

import time,json,random

def search():

    dic=json.load(open('db'))

    print('\033[43m剩余票数%s\033[0m' %dic['count'])

def get():

    dic=json.load(open('db'))

    time.sleep(0.1) #模拟读数据的网络延迟

    if dic['count'] >:

        dic['count']-=

        time.sleep(0.2) #模拟写数据的网络延迟

        json.dump(dic,open('db','w'))

        print('\033[43m购票成功\033[0m')

def task():

    search()

    get()

if __name__ == '__main__':

    for i in range(): #模拟并发100个客户端抢票

        p=Process(target=task)

        p.start()

#文件db的内容为：{"count":}

#注意一定要用双引号，不然json无法识别

#并发运行，效率高，但竞争写同一文件，数据写入错乱

from multiprocessing import Process,Lock

import time,json,random

def search():

    dic=json.load(open('db'))

    print('\033[43m剩余票数%s\033[0m' %dic['count'])

def get():

    dic=json.load(open('db'))

    time.sleep(random.random()) #模拟读数据的网络延迟

    if dic['count'] >:

        dic['count']-=

        time.sleep(random.random()) #模拟写数据的网络延迟

        json.dump(dic,open('db','w'))

        print('\033[32m购票成功\033[0m')

    else:

        print('\033[31m购票失败\033[0m')

def task(lock):

    search()

    lock.acquire()

    get()

    lock.release()

if __name__ == '__main__':

    lock = Lock()

    for i in range(): #模拟并发100个客户端抢票

        p=Process(target=task,args=(lock,))

        p.start()

使用锁来保证数据安全

Queue([maxsize])

创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。另外，还需要运行支持线程以便队列中的数据传输到底层管道中。

Queue的实例q具有以下方法：

q.get( [ block [ ,timeout ] ] )

返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。

q.get_nowait( )

同q.get(False)方法。

q.put(item [, block [,timeout ] ] )

将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。

q.qsize()

返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。

q.empty()

如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。

q.full()

如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。。

方法介绍

'''

multiprocessing模块支持进程间通信的两种主要形式:管道和队列

都是基于消息传递实现的,但是队列接口

'''

from multiprocessing import Queue

q=Queue()

#put ,get ,put_nowait,get_nowait,full,empty

q.put()

q.put()

q.put()

# q.put()   # 如果队列已经满了，程序就会停在这里，等待数据被别人取走，再将数据放入队列。

           # 如果队列中的数据一直不被取走，程序就会永远停在这里。

try:

    q.put_nowait() # 可以使用put_nowait，如果队列满了不会阻塞，但是会因为队列满了而报错。

except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去，但是会丢掉这个消息。

    print('队列已经满了')

# 因此，我们再放入数据之前，可以先看一下队列的状态，如果已经满了，就不继续put了。

print(q.full()) #满了

print(q.get())

print(q.get())

print(q.get())

# print(q.get()) # 同put方法一样，如果队列已经空了，那么继续取就会出现阻塞。

try:

    q.get_nowait() # 可以使用get_nowait，如果队列满了不会阻塞，但是会因为没取到值而报错。

except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。

    print('队列已经空了')

print(q.empty()) #空了

单看队列用法

import time

from multiprocessing import Process, Queue

def f(q):

    q.put([time.asctime(), 'from Eva', 'hello'])  #调用主函数中p进程传递过来的进程参数 put函数为向队列中添加一条数据。

if __name__ == '__main__':

    q = Queue() #创建一个Queue对象

    p = Process(target=f, args=(q,)) #创建一个进程

    p.start()

    print(q.get())

    p.join()

子进程发送数据给父进程

import os

import time

import multiprocessing

# 向queue中输入数据的函数

def inputQ(queue):

    info = str(os.getpid()) + '(put):' + str(time.asctime())

    queue.put(info)

# 向queue中输出数据的函数

def outputQ(queue):

    info = queue.get()

    print ('%s%s\033[32m%s\033[0m'%(str(os.getpid()), '(get):',info))

# Main

if __name__ == '__main__':

    multiprocessing.freeze_support()

    record1 = []   # store input processes

    record2 = []   # store output processes

    queue = multiprocessing.Queue()

    # 输入进程

    for i in range():

        process = multiprocessing.Process(target=inputQ,args=(queue,))

        process.start()

        record1.append(process)

    # 输出进程

    for i in range():

        process = multiprocessing.Process(target=outputQ,args=(queue,))

        process.start()

        record2.append(process)

    for p in record1:

        p.join()

    for p in record2:

        p.join()

from multiprocessing import Process,Queue

import time,random,os

def consumer(q):

    while True:

        res=q.get()

        time.sleep(random.randint(,))

        print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))

def producer(q):

    for i in range():

        time.sleep(random.randint(,))

        res='包子%s' %i

        q.put(res)

        print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))

if __name__ == '__main__':

    q=Queue()

    #生产者们:即厨师们

    p1=Process(target=producer,args=(q,))

    #消费者们:即吃货们

    c1=Process(target=consumer,args=(q,))

    #开始

    p1.start()

    c1.start()

    print('主')

基于队列实现生产者消费者模型

from multiprocessing import Process,Queue

import time,random,os

def consumer(q):

    while True:

        res=q.get()

        if res is None:break #收到结束信号则结束

        time.sleep(random.randint(,))

        print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))

def producer(q):

    for i in range():

        time.sleep(random.randint(,))

        res='包子%s' %i

        q.put(res)

        print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))

    q.put(None) #发送结束信号

if __name__ == '__main__':

    q=Queue()

    #生产者们:即厨师们

    p1=Process(target=producer,args=(q,))

    #消费者们:即吃货们

    c1=Process(target=consumer,args=(q,))

    #开始

    p1.start()

    c1.start()

    print('主')

改良版——生产者消费者模型

from multiprocessing import Process,Queue

import time,random,os

def consumer(q):

    while True:

        res=q.get()

        if res is None:break #收到结束信号则结束

        time.sleep(random.randint(,))

        print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))

def producer(q):

    for i in range():

        time.sleep(random.randint(,))

        res='包子%s' %i

        q.put(res)

        print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))

if __name__ == '__main__':

    q=Queue()

    #生产者们:即厨师们

    p1=Process(target=producer,args=(q,))

    #消费者们:即吃货们

    c1=Process(target=consumer,args=(q,))

    #开始

    p1.start()

    c1.start()

    p1.join()

    q.put(None) #发送结束信号    取决于有多少个消费者

    print('主')

JoinableQueue的实例p除了与Queue对象相同的方法之外，还具有以下方法：

q.task_done()

使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将引发ValueError异常。

q.join()

生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。

下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。

from multiprocessing import Process,JoinableQueue

import time,random,os

def consumer(q):

    while True:

        res=q.get()

        time.sleep(random.randint(,))

        print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))

        q.task_done() #向q.join()发送一次信号,证明一个数据已经被取走了

def producer(name,q):

    for i in range():

        time.sleep(random.randint(,))

        res='%s%s' %(name,i)

        q.put(res)

        print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))

    q.join() #生产完毕，使用此方法进行阻塞，直到队列中所有项目均被处理。

if __name__ == '__main__':

    q=JoinableQueue()

    #生产者们:即厨师们

    p1=Process(target=producer,args=('包子',q))

    p2=Process(target=producer,args=('骨头',q))

    p3=Process(target=producer,args=('泔水',q))

    #消费者们:即吃货们

    c1=Process(target=consumer,args=(q,))

    c2=Process(target=consumer,args=(q,))

    c1.daemon=True

    c2.daemon=True

    #开始

    p_l=[p1,p2,p3,c1,c2]

    for p in p_l:

        p.start()

    p1.join()

    p2.join()

    p3.join()

    print('主') 

    #主进程等--->p1,p2,p3等---->c1,c2

    #p1,p2,p3结束了,证明c1,c2肯定全都收完了p1,p2,p3发到队列的数据

    #因而c1,c2也没有存在的价值了,不需要继续阻塞在进程中影响主进程了。应该随着主进程的结束而结束,所以设置成守护进程就可以了。

JoinableQueue队列实现消费之生产者模型