江湖小白之一起学Python （八）进程池的运用

学习使我快乐…… 接着上篇的讲，上篇我们简单了介绍了多线程的运用，其实在python中多线程是假的多线程，为什么这么说呢，因为python的解释器在同一时刻只允许一个线程执行，不管你电脑有几个核,单位时间多个核只能跑一个线程，然后时间片轮转,其实可以理解为在python的多线程是单核多线程，没有完全利用电脑多核的资源，根本的原因是由全局解释器锁（GIL）引起的，要真正利用多核，除非重写一个不带GIL的解释器，有兴趣的童鞋可以用多线程写个无限循环压力测试看看CPU的运行情况，是否占满了100%。

what? 那我们在python中利用多核怎么办？所以就有了今天这篇进程池的运用……

python中调用进程池我们要引入对应的库及方法：

from multiprocessing import Pool

首先我们还是跟多线程一样定义一个run的方法：

#执行方法
def run(n):
    time.sleep(1)
    print("我是方法:{}".format(n))

为了观察方便，我们还是加入了延迟1秒，我们先定义一下进程池：

pool = Pool(processes=4)

processes这个参数表示的工作进程的个数，这个数值是由你电脑的CPU个数决定的，一般这个参数是小于或等于这个CPU数的，如果设置的过大，反而会执行更慢。上面的意思是一次执行4个进程，只要任务没完，哪个进程先执行完就往这个进程加入新的任务，接下来我们循环生成10个任务：

for i in range(10):
    pool.apply_async(func=run, args=(i, ))

这里参数的方法跟多线程的方法基本类似，主要就是pool加入进程的方法，下面列举下一般使用的方式：

1.   apply      （阻塞式的，效果就是跟单进程依次循环一样）这个意思就是等待当前子进程执行完毕后，在执行下一个进程，个人感觉没啥用~~！

2.   apply_async  （异步非阻塞式） 这个就是用得最多了，意思就是不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。

3.   map         这个顾名思义，就是以map函数的形式传递参数，通常是数组的形式，比如：

pool.map(func=run,iterable=range(10))
#或者简写为：
pool.map(run,range(10))

4.   map_async   同理这个是map函数以异步非阻塞的形式

apply_async主要是将参数逐个的加入到进程中，平常经常会用到这个，因为这种方式方便实现一些逻辑代码，下来来个完整的代码：

#coding:utf-8
import time
from multiprocessing import Pool

#执行方法
def run(n):
    time.sleep(1)
    print("我是方法:{}".format(n))

#注意：这里的进程池pool对象定义一定要放在main主模块下
if __name__ == '__main__':
    #定义进程池
    pool = Pool(processes=4)
    for i in range(10):
        pool.apply_async(func=run, args=(i,))
        #简写: pool.apply_async(run, (i,))
    pool.close()   #关闭进程池，不在让往进程池中添加进程
    pool.join()    #等待进程池中的所有进程执行完毕，必须在close()之后调用

好了，到这里，进程池的基本用法就这样了，这样就通过多进程实现了多核任务，尽量利用计算机的性能资源。后面有兴趣的同学还可以自己去了解下多线程与多进程的区别，还有就是协程的用法及优缺点，在这里我就不再过多的讲述了。

认真的时间总是过得这么快，赶紧动手操作一下看看结果吧！

江湖不说再见，咱们下篇见！

关注公众号，一起来提高自己吧！