python中multi函数_Python多进程并发(multiprocessing)用法实例详解

本文实例讲述了Python多进程并发(multiprocessing)用法。分享给大家供大家参考。具体分析如下&＃xff1a;

由于Python设计的限制(我说的是咱们常用的CPython)。最多只能用满1个CPU核心。

Python提供了非常好用的多进程包multiprocessing&＃xff0c;你只需要定义一个函数&＃xff0c;Python会替你完成其他所有事情。借助这个包&＃xff0c;可以轻松完成从单进程到并发执行的转换。

1、新建单一进程

如果我们新建少量进程&＃xff0c;可以如下&＃xff1a;

import multiprocessing

import time

def func(msg):

for i in xrange(3):

print msg

time.sleep(1)

if __name__ &＃61;&＃61; "__main__":

p &＃61; multiprocessing.Process(target&＃61;func, args&＃61;("hello", ))

p.start()

p.join()

print "Sub-process done."

2、使用进程池

是的&＃xff0c;你没有看错&＃xff0c;不是线程池。它可以让你跑满多核CPU&＃xff0c;而且使用方法非常简单。

注意要用apply_async&＃xff0c;如果落下async&＃xff0c;就变成阻塞版本了。

processes&＃61;4是最多并发进程数量。

import multiprocessing

import time

def func(msg):

for i in xrange(3):

print msg

time.sleep(1)

if __name__ &＃61;&＃61; "__main__":

pool &＃61; multiprocessing.Pool(processes&＃61;4)

for i in xrange(10):

msg &＃61; "hello %d" %(i)

pool.apply_async(func, (msg, ))

pool.close()

pool.join()

print "Sub-process(es) done."

3、使用Pool&＃xff0c;并需要关注结果

更多的时候&＃xff0c;我们不仅需要多进程执行&＃xff0c;还需要关注每个进程的执行结果&＃xff0c;如下&＃xff1a;

import multiprocessing

import time

def func(msg):

for i in xrange(3):

print msg

time.sleep(1)

return "done " &＃43; msg

if __name__ &＃61;&＃61; "__main__":

pool &＃61; multiprocessing.Pool(processes&＃61;4)

result &＃61; []

for i in xrange(10):

msg &＃61; "hello %d" %(i)

result.append(pool.apply_async(func, (msg, )))

pool.close()

pool.join()

for res in result:

print res.get()

print "Sub-process(es) done."

希望本文所述对大家的Python程序设计有所帮助。