Python多进程编程 ---- 基础篇7. Pool

----------基础篇

进程池引入

为什么要用进程池呢？如果我们有几百上千个任务需要自行，那么按照之前的做法，我们就要创建几百上千个进程，每一个进程都要占用一定的内存空间，进程间的切换也费时，系统开销很大，而且，难道这成千上百个进程能同时并发执行的有几个呢？其实也就那么几个子，所以，根本没必要创建那么多进程。那么怎么办呢？那就创建进程池。进程池里有固定数量的进程，每次执行任务时都从进程池中取出一个空闲进程来执行，如果任务数量超过进程池中进程数量，那么就等待已经在执行的任务结束之后，有进程空闲之后再执行，也就是说，同一时间，只有固定数量的进程在执行，这样对操作系统得压力也不会太大，效率也得到保证。

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。多进程是实现并发的手段之一，需要注意的问题是：

1. 很明显需要并发执行的任务通常要远大于核数
2. 一个操作系统不可能无限开启进程，通常有几个核就开几个进程
3. 进程开启过多，效率反而会下降（开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行）

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。

1.POOL

Pool([numprocess [,initializer [, initargs]]]):创建进程池

参数介绍：

1. numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值
2. initializer：是每个工作进程启动时要执行的可调用对象，默认为None
3. initargs：是要传给initializer的参数组

方法介绍：

1. p.apply(func [, args [, kwargs]])
   在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
   需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()
2. p.apply_async(func [, args [, kwargs]])
   在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
   此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，
   将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。
3. p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成
4. p.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用

代码学习

import random,time,os
from multiprocessing import Pool

def func(n):
    print('任务{}开始执行，进程为：{}'.format(n,os.getpid()))
    time.sleep(random.randint(1,4))
    print('任务{}结束执行，进程为：{}'.format(n,os.getpid()))

if __name__ == '__main__':

    p=Pool(3) #c创建一个进程池，里面有三个进程
    for i in range(5):
        res=p.apply(func,args