Python 进程池 multiprocessing.Pool - Python零基础入门教程

目录

• 一.Python 进程池 multiprocessing.Pool 介绍
• 二.Python 进程池 multiprocessing.Pool 使用
• 三.猜你喜欢

零基础 Python 学习路线推荐 : Python 学习目录 >> Python 基础入门

Python 进程池 Pool 和前面讲解的** Python 线程池** 类似，虽然使用多进程能提高效率，但是进程的创建会消耗大量的计算机资源（进程 Process 的创建远远大于线程 Thread 创建占用的资源），线程是计算机最小的运行单位**，连线程都需要使用线程池，进程有什么理由不使用进程池？

​

需要注意的是，在 Windows 上要想使用进程模块，就必须把有关进程的代码写在if __name__ == ‘__main__’ 内，否则在 Windows 下使用进程模块会产生异常。 Unix / Linux 下则不需要。

一.Python 进程池 multiprocessing.Pool 介绍

Pool 类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，就会创建一个新的进程来执行请求。如果池满，请求就会告知先等待，直到池中有进程结束，才会创建新的进程来执行这些请求。

# 导入进程模块

import multiprocessing

# 最多允许3个进程同时运行

pool = multiprocessing.Pool(processes = 3)

1、apply — 该函数用于传递不定参数，主进程会被阻塞直到函数执行结束（不建议使用，并且 3.x 以后不在出现），函数原型如下：

apply(func, args=(), kwds={})

**2、apply_async **— 与 apply 用法一致，但它是非阻塞的且支持结果返回后进行回调，函数原型如下：

apply_async(func[, args=()[, kwds={}[, callback=None]]])

3、map — Pool 类中的 map 方法，与内置的 map 函数用法基本一致，它会使进程阻塞直到结果返回，函数原型如下：

map(func, iterable, chunksize=None)

注意：虽然第二个参数是一个迭代器，但在实际使用中，必须在整个队列都就绪后，程序才会运行子进程。

**4、map_async **— 与 map 用法一致，但是它是非阻塞的。其有关事项见 apply_async，函数原型如下：

map_async(func, iterable, chunksize, callback)

5、close — 关闭进程池（pool），使其不在接受新的任务。

6、terminal — 结束工作进程，不在处理未处理的任务。

7、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。

​

二.Python 进程池 multiprocessing.Pool 使用

# !usr/bin/env python
# -*- coding:utf-8 _*-
\"\"\"
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python 进程池 multiprocessing.Pool.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！

\"\"\"

import multiprocessing
import time

def func(msg):
print(\"in:\", msg)
time.sleep(3)
print(\"out,\", msg)

if __name__ == \"__main__\":
# 这里设置允许同时运行的的进程数量要考虑机器cpu的数量，进程的数量最好别小于cpu的数量，
# 因为即使大于cpu的数量，增加了任务调度的时间，效率反而不能有效提高
pool = multiprocessing.Pool(processes = 3)
item_list = [\'processes1\' ,\'processes2\' ,\'processes3\' ,\'processes4\' ,\'processes5\' ,]
count = len(item_list)
for item in item_list:
msg = \"python教程 %s\" %item
# 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
pool.apply_async(func, (msg,))

pool.close()
pool.join() # 调用join之前，先调用close函数，否则会出错。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

\'\'\'
输出结果：

in: python教程 processes1
in: python教程 processes2
in: python教程 processes3
out, python教程 processes1
in: python教程 processes4
out, python教程 processes2
in: python教程 processes5
out, python教程 processes3
out, python教程 processes4
out, python教程 processes5
\'\'\'

代码分析：

5 个任务，3 个进程，由于在进程池构造的时候允许同时最多执行 3 个进程，所以同时执行任务 1 / 任务 2 / 任务 3，重代码的输出结果来看，任务 1 / 任务 2 / 任务 3 执行后，for 循环进入阻塞状态，直到任务 1 / 任务 2 / 任务 3 其中一个结束之后才会 for 才会继续执行任务 4 / 任务 5，并保证同时执行的最多只有 3 个任务（ 进程池 multiprocessing.Pool 和 线程池 ThreadPoolExecutor 原理相同）.

三.猜你喜欢

未经允许不得转载：猿说编程 » Python 进程池 multiprocessing.Pool

本文由博客 - 猿说编程 猿说编程 发布！

来源：https://www.cnblogs.com/shuopython/p/14965636.html
图文来源于网络，如有侵权请联系删除。