多进程之multiprocessing模块和进程池的实现

转载：https://www.cnblogs.com/xiaobeibei26/p/6484849.html

Python多进程之multiprocessing模块和进程池的实现

1、利用multiprocessing可以在主进程中创建子进程，提升效率，下面是multiprocessing创建进程的简单例子，和多线程的使用非常相似

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

''' 代码是由主进程里面的主线程从上到下执行的, 我们在主线程里面又创建了两个子进程，子进 程里面也是子线程在干活，这个子进程在主进 程里面 ''' import multiprocessing import time   def f0(a1):     time.sleep(3)     print(a1) if __name__ == '__main__':#windows下必须加这句       t = multiprocessing.Process(target=f0,args=(12,))     t.daemon=True#将daemon设置为True，则主线程不比等待子进程，主线程结束则所有结束     t.start()       t2 = multiprocessing.Process(target=f0, args=(13,))     t2.daemon = True     t2.start()       print('end')#默认情况下等待所有子进程结束，主进程才结束

　　这里的结果是直接打印出end就结束了，因为添加了t.daemon=True，join方法在进程里面也可以用，跟线程的用法非常相似

2、进程之间默认是不能共用内存的

1 2 3 4 5 6 7 8 9 10 11 12 13

li = []   def f1(i):     li.append(i)     print('你好',li)   if __name__ =='__main__':#进程不能共用内存     for i in range(10):         p = Process(target=f1,args=(i,))         p.start()   '''每个进程都创建一个列表，然后添加一个因素进去，    每个进程之间的数据是不能共享的

　　结果如图

如果将代码改成threading，由于线程共用内存，所以结果是不一样的，线程操作列表li之前，拿到的是前一个线程操作过的li列表，如图

3、如果要进程之间处理同一个数据，可以运用数组以及进程里面的manager方法，下面代码介绍的是manager方法

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

from multiprocessing import Process from multiprocessing import Manager       def f1(i,dic):     dic[i] = 200+i     print(dic.values())   if __name__ =='__main__':#进程间默认不能共用内存     manager = Manager()     dic = manager.dict()#这是一个特殊的字典         for i in range(10):         p = Process(target=f1,args=(i,dic))         p.start()         p.join()

　　这里输出如图，表示每个进程都是操作这个字典，最后的输出是有10个元素

如果是普通的字典，输出如图

4、multiprocessing模块里面的进程池Pool的使用

（1）apply模块的使用，每个任务是排队执行的

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

from multiprocessing import Process,Pool from multiprocessing import Manager import time     def f1(a):     time.sleep(2)     print(a)   if __name__ =='__main__':     pool =Pool(5)     for i in range(5):#每次使用的时候会去进程池里面申请一个进程         pool.apply(func=f1,args=(i,))         print('你好')#apply里面是每个进程执行完毕了才执行下一个进程     pool.close()#执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束     pool.join()#等待进程运行完毕，先调用close函数，否则会出错

　　运行结果如图

（2）apply_async模块，会比apply模块多个回调函数，同时是异步的

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

from multiprocessing import Process,Pool from multiprocessing import Manager import time       def Foo(i):     time.sleep(1)     return i+50   def Bar(arg):     print(arg)   if __name__ =='__main__':     pool = Pool(5)     for i in range(10):           '''apply是去简单的去执行，而apply_async是执行完毕之后可以执行一         个回调函数，起提示作用'''         pool.apply_async(func=Foo,args=(i,),callback=Bar)#是异步的         print('你好')     pool.close()#不执行close会报错，因为join的源码里面有个断言会检验是否执行了该方法     pool.join()#等待所有子进程运行完毕，否则的话由于apply_async里面daemon是设置为True的，主进程不会等子进程，所欲函数可能会来不及执行完毕就结束了 '''apply_async里面，等函数Foo执行完毕，它的返回结果会被当做参数     传给Bar'''

　　结果如图

这两个方法的主要区别如图