# l代表长整型无符号变量
count = multiprocessing.Value('l', 0)
correct = multiprocessing.Value('l', 0)
lock = multiprocessing.Lock()

# 要运行的函数为run()，lis为划分给每个进程的识别图片列表
p = [multiprocessing.Process(target=run, args=(lock, i, count, correct)) for i in lis]

for i in p:
  i.start()
for i in p:
  i.join()

# 多个线程对共享变量进行操作，加锁
lock.acquire()
# 图片已经识别完毕，总数加一
count.value += 1
# 下面两个if分别为识别正确的情况
if i[0] == 3 and dis >= threshold:
  correct.value += 1
  print("正确率：{0:.5f} 总数：{1} 正确数：{2} 错误数：{3} 参数个数：{4} 向量夹角：{5:.5f} 图片1：{6} 图片2：{7}".format(correct.value/count.value, count.value, correct.value, count.value-correct.value, i[0], dis[0], i[1], i[2]))
  lock.release()
  continue
if i[0] == 4 and dis < threshold:
  correct.value += 1
  print("正确率：{0:.5f} 总数：{1} 正确数：{2} 错误数：{3} 参数个数：{4} 向量夹角：{5:.5f} 图片1：{6} 图片2：{7}".format(correct.value/count.value, count.value, correct.value, count.value-correct.value, i[0], dis[0], i[1], i[2]))
  lock.release()
  continue
print("识别错误：参数个数：{0} 向量夹角：{1} 图片1：{2} 图片2：{3}".format(i[0], dis[0], i[1], i[2]))
# 不要遗漏解锁，否则进程会死锁
lock.release()

manager = multiprocessing.Manager()
# 这个是用来在多个进程中间共享的字典
sync_dict = manager.dict()
# 这个是使用pickle序列化到文件中用的临时字典变量
mem_dict = dict()

# 如果存在字典就载入，使用临时字典中转是因为sysnc_dict直接序列化会在下次加载时导致Manager在多个进程中的连接出现问题
if os.path.exists("./muti_thread_mem.pkl"):
  with open("./muti_thread_mem.pkl", "rb") as f:
    mem_dict = pickle.load(f)
  for i in mem_dict:
    sync_dict[i] = mem_dict[i]

if i[1] in sync_dict:
 # 有记录就直接读取缓存
  encoding1 = sync_dict[i[1]]
else:
 # 没记录就计算出来再缓存一下
  face.file = Image.open(prefix+i[1])
  encoding1 = face.encodings
  sync_dict[i[1]] = encoding1
if i[2] in sync_dict:
  encoding2 = sync_dict[i[2]]
else:
  face.file = Image.open(prefix+i[2])
  encoding2 = face.encodings
  sync_dict[i[2]] = encoding2

with open("./muti_thread_mem.pkl", 'wb') as f:
  for k, v in enumerate(sync_dict):
    mem_dict[v] = sync_dict[v]
  if len(mem_dict):
   # 传入的4就是想试一下Python新版本的特性而已，没啥其他意思
    pickle.dump(mem_dict, f, 4)