python使用多进程的实例详解

python多线程适合IO密集型场景，而在CPU密集型场景，并不能充分利用多核CPU，而协程本质基于线程，同样不能充分发挥多核的优势。

针对计算密集型场景需要使用多进程，python的multiprocessing与threading模块非常相似，支持用进程池的方式批量创建子进程。

•创建单个Process进程(使用func)

只需要实例化Process类，传递函数给target参数，这点和threading模块非常的类似，args为函数的参数

import osfrom multiprocessing import Process# 子进程要执行的代码def task(name):  print('run child process %s (%s)...' % (name, os.getpid()))if __name__ == '__main__':  print('parent process %s.' % os.getpid())  p = Process(target=task, args=('test',))  p.start()  p.join()  print('process end.') 

•创建单个Process进程(使用class)

继承Process类，重写run方法创建进程，这点和threading模块基本一样

import multiprocessingimport osfrom multiprocessing import current_processclass Worker(multiprocessing.Process):  def run(self):    name = current_process().name # 获取当前进程的名称    print('run child process <%s> (%s)' % (name, os.getpid()))    print('In %s' % self.name)    returnif __name__ == '__main__':  print('parent process %s.' % os.getpid())  p = Worker()  p.start()  p.join()  print('process end.') 　　* 停止进程

terminate()结束子进程，但是会导致子进程的资源无法释放掉，是不推荐的做法，因为结束的时候不清楚子线程的运行状况，有很大可能性导致子线程在不恰当的时刻被结束。

import multiprocessingimport timedef worker():  print('starting worker')  time.sleep(0.1)  print('finished worker')if __name__ == '__main__':  p = multiprocessing.Process(target=worker)  print('执行前:', p.is_alive())  p.start()  print('执行中:', p.is_alive())  p.terminate() # 发送停止号  print('停止:', p.is_alive())  p.join()  print('等待完成:', p.is_alive()) 

•直接创建多个Process进程

import multiprocessingdef worker(num):  print(f'Worker:%s %s', num)  returnif __name__ == '__main__':  jobs = []  for i in range(5):    p = multiprocessing.Process(target=worker, args=(i,))    jobs.append(p)    p.start() 

•使用进程池创建多个进程

在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。

Pool可以提供指定数量的进程供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。