目录
零基础 Python 学习路线推荐 : Python 学习目录 >> Python 基础入门
1.在前一篇文章 Python 进程 Process 与线程 threading 区别 中讲到线程 threading 共享内存地址，进程与进程 Peocess 之间相互独立，互不影响（相当于深拷贝）；
2.在线程间通信的时候可以使用 Queue 模块完成，进程间通信也可以通过 Queue 完成，但是此 Queue 并非线程的 Queue ，进程间通信 Queue 是将数据 pickle 后传给另一个进程的 Queue，用于父进程与子进程之间的通信或同一父进程的子进程之间通信；
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
#导入线程相关模块
import threading
import queue
q = queue.Queue()
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入进程相关模块
from multiprocessing import Process
from multiprocessing import Queue
q = Queue()
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入进程相关模块
from multiprocessing import Process
from multiprocessing import Pipe
pipe = Pipe()
Python 提供了多种进程通信的方式，主要 Queue 和 Pipe 这两种方式，Queue 用于多个进程间实现通信，Pipe 用于两个进程的通信；
# !usr/bin/env python
# -\_- coding:utf-8 \_\_-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
from multiprocessing import Process
from multiprocessing import Queue
import os,time,random
#写数据进程执行的代码
def proc_write(q,urls):
print (‘Process is write....‘)
for url in urls:
q.put(url)
print (‘put %s to queue... ‘ %url)
time.sleep(random.random())
#读数据进程的代码
def proc_read(q):
print(‘Process is reading...‘)
while True:
url = q.get(True)
print(‘Get %s from queue‘ %url)
if **name** == ‘**main**‘: #父进程创建 Queue，并传给各个子进程
q = Queue()
proc_write1 = Process(target=proc_write,args=(q,[‘url_1‘,‘url_2‘,‘url_3‘]))
proc_write2 = Process(target=proc_write,args=(q,[‘url_4‘,‘url_5‘,‘url_6‘]))
proc_reader = Process(target=proc_read,args=(q,)) #启动子进程，写入
proc_write1.start()
proc_write2.start()
proc_reader.start()
#等待proc_write1结束
proc_write1.join()
proc_write2.join()
#proc_raader进程是死循环，强制结束
proc_reader.terminate()
print("mian")
‘‘‘
输出结果：
Process is write....
put url_1 to queue...
Process is write....
put url_4 to queue...
Process is reading...
Get url_1 from queue
Get url_4 from queue
put url_5 to queue...
Get url_5 from queue
put url_2 to queue...
Get url_2 from queue
put url_3 to queue...
Get url_3 from queue
put url_6 to queue...
Get url_6 from queue
mian
‘‘‘
Pipe 常用于两个进程，两个进程分别位于管道的两端 Pipe 方法返回（conn1,conn2）代表一个管道的两个端，Pipe 方法有 duplex 参数，默认为 True ，即全双工模式，若为 FALSE ，conn1 只负责接收信息，conn2 负责发送, Pipe 同样也包含两个方法：
send : 发送信息;
recv : 接收信息;
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
from multiprocessing import Process
from multiprocessing import Pipe
import os,time,random
#写数据进程执行的代码
def proc_send(pipe,urls):
#print ‘Process is write....‘
for url in urls:
print (‘Process is send :%s‘ %url)
pipe.send(url)
time.sleep(random.random())
#读数据进程的代码
def proc_recv(pipe):
while True:
print(‘Process rev:%s‘ %pipe.recv())
time.sleep(random.random())
if __name__ == ‘__main__‘:
#父进程创建pipe，并传给各个子进程
pipe = Pipe()
p1 = Process(target=proc_send,args=(pipe[0],[‘url_‘+str(i) for i in range(10) ]))
p2 = Process(target=proc_recv,args=(pipe[1],))
#启动子进程，写入
p1.start()
p2.start()
p1.join()
p2.terminate()
print("mian")
‘‘‘
输出结果：
Process is send :url_0
Process rev:url_0
Process is send :url_1
Process rev:url_1
Process is send :url_2
Process rev:url_2
Process is send :url_3
Process rev:url_3
Process is send :url_4
Process rev:url_4
Process is send :url_5
Process is send :url_6
Process is send :url_7
Process rev:url_5
Process is send :url_8
Process is send :url_9
Process rev:url_6
mian
‘‘‘
当然我们也可以尝试使用线程 threading 的 Queue 是否能完成线程间通信，示例代码如下：
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程间通信 Queue / Pipe.py
@Time:2021/05/09 07:37
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
from multiprocessing import Process
# from multiprocessing import Queue # 进程间通信Queue，两者不要混淆
import queue # 线程间通信queue.Queue，两者不要混淆
import time
def p_put(q,*args):
q.put(args)
print(‘Has put %s‘ % args)
def p_get(q,*args):
print(‘%s wait to get...‘ % args)
print(q.get())
print(‘%s got it‘ % args)
if __name__ == "__main__":
q = queue.Queue()
p1 = Process(target=p_put, args=(q,‘p1‘, ))
p2 = Process(target=p_get, args=(q,‘p2‘, ))
p1.start()
p2.start()
‘‘‘
直接异常报错：
Traceback (most recent call last):
File "E:/Project/python_project/untitled10/123.py", line 38, in <module>
p1.start()
File "G:\ProgramData\Anaconda3\lib\multiprocessing\process.py", line 105, in start
self._popen = self._Popen(self)
File "G:\ProgramData\Anaconda3\lib\multiprocessing\context.py", line 223, in _Popen
return _default_context.get_context().Process._Popen(process_obj)
File "G:\ProgramData\Anaconda3\lib\multiprocessing\context.py", line 322, in _Popen
return Popen(process_obj)
File "G:\ProgramData\Anaconda3\lib\multiprocessing\popen_spawn_win32.py", line 65, in __init__
reduction.dump(process_obj, to_child)
File "G:\ProgramData\Anaconda3\lib\multiprocessing\reduction.py", line 60, in dump
ForkingPickler(file, protocol).dump(obj)
TypeError: can‘t pickle _thread.lock objects
‘‘‘
未经允许不得转载：猿说编程 ? Python 进程间通信 Queue / Pipe
[喜欢(1)](javascript:?? [打赏](javascript:??
本文由博客 - 猿说编程 猿说编程 发布！
Python 进程间通信 Queue / Pipe - Python零基础入门教程
原文：https://www.cnblogs.com/shuopython/p/14961942.html