我们现在都知道python的多线程是个坑了，那么多进程在这个时候就变得很必要了。多进程实现了多CPU的利用，效率简直棒棒哒~~~

拥有一个多进程程序：

　　

1 #!/usr/bin/env python 2 #-*-coding:utf-8-*- 3 __author__ = 'Eva_J' 4 import multiprocessing 5 import time 6  7 def func(msg): 8     for i in range(3): 9         print msg10         time.sleep(1)11 12 if __name__ == "__main__":13     p = multiprocessing.Process(target=func, args=("hello", ))14     p.start()15     p.join()16     print "have done."

　　按照上面的方法，我们就在自己的代码中启动了一个子进程，需要注意的是要想启动一个子进程，必须加上那句if __name__ == "main"，否则就会报错。 查看了官方文档说：Safe importing of main module，Make sure that the main module can be safely imported by a new Python interpreter without causing unintended side effects (such a starting a new process).大概就是说，如果我们必须确定当前已经引入了主模块，来避免一些非预期的副作用。。。总之，加上！就对了！！！

进程池：

　　

1 #!/usr/bin/env python 2 #-*-coding:utf-8-*- 3 __author__ = 'Eva_J' 4 def func(msg): 5     print msg,'*** in func' 6     time.sleep(3) 7  8 if __name__ == "__main__": 9     #10     pool = multiprocessing.Pool(processes=5)11     for i in xrange(3):12         print i13         pool.apply_async(func, ("hello %d" %(i), ))14         #pool.apply(func, ("hello %d" %(i), ))15     pool.close()16     #pool.terminate() #结束工作进程，不在处理未完成的任务17     pool.join() #主进程阻塞，等待子进程的退出， join方法要在close或terminate之后使用18     print "have done."

　　上图中的方法就是进程池的使用，这里重点的介绍一些进程池相关的方法。

　　首先，我们为进程注入func，有两种方式：apply_async表示异步，就是子进程接收到请求之后就各自去执行了，而apply表示同步，子进程们将一个一个的执行，后一个子进程的执行永远以前一个子进程的结束为信号，开始执行。还是吃饭的例子。。。异步就是当我通知子进程要去吃饭的时候，他们就同时去吃饭了，同步就是他们必须一个一个的去，前一个没回来，后一个就不能去。

　　close方法：说关闭进程池，至此，进程池中不在有进程可以接受任务。

　　terminate和join是一对方法，表示的内容截然相反，执行terminate是结束当前进程池中的所有进程，不管值没执行完。join方法是阻塞主进程，等待子进程执行完毕，再继续执行主进程。需要注意的是：这两个方法都必须在close方法之后执行。当然我们也可以不执行这两个方法，那么子进程和主进程就各自执行各自的，无论执行到哪里，子进程会随着主进程的结束而结束。。。

获取进程池中进程的执行结果：

　　

1 #!/usr/bin/env python 2 #-*-coding:utf-8-*- 3 __author__ = 'Eva_J' 4 import multiprocessing 5 import time 6  7 def func(msg): 8     print "msg : ", msg 9     time.sleep(3)10     print "end"11     return "multi_result : " + msg12 13 if __name__ == "__main__":14     pool = multiprocessing.Pool(processes=4)15     result = []16     for i in xrange(3):17         msg = "hello %d" %(i)18         multi_result = pool.apply_async(func, (msg, ))19         result.append(multi_result)20     pool.close()21     pool.join()22     for res in result:23         print res.get()24     print "have done."

　　没啥好说的，区别在黄框框里，自取不谢~~~

进程之间的内存共享：

　　我们之前说过，正常情况下，每个进程都拥有自己的内存空间，因此进程间的内存是无法共享的。

 　 但是python却提供了我们方法，让我们程序的子进程之间实现简单的数据共享。

　　一个是Array数组，一个是multiprocessing模块中的Manager类。需要注意的是，Array数组的大小必须固定，Manager需要在linux系统下运行。代码在下面啦！！

1 #!/usr/bin/env python 2 #-*-coding:utf-8-*- 3 __author__ = 'Eva_J' 4 #方法一，Array 5 from multiprocessing import Process,Array 6 temp = Array('i', [11,22,33,44]) 7  8 def Foo(i): 9     temp[i] = 100+i10     for item in temp:11         print i,'----->',item12 13 for i in range(2):14     p = Process(target=Foo,args=(i,))15     p.start()

1 #!/usr/bin/env python 2 #-*-coding:utf-8-*- 3 __author__ = 'Eva_J' 4 #方法二：manage.dict()共享数据 5 from multiprocessing import Process,Manager 6  7 manage = Manager() 8  9 dic = manage.dict()10 11 def Foo(i):12     dic[i] = 100+i13     print dic.values()14 15 if __name__ == "__main__":16     for i in range(2):17         p = Process(target=Foo,args=(i,))18         p.start()19         p.join()

 

参考文献：

　　　　python进程池：

　　　　python多进程的使用示例：

　　　   python的线程、进程和协程：　　

　　　　python的内存共享：

　　　　python的多进程编程：