Python中的多进程与进程池

Python中的多进程与进程池

1.multiprocessing类

方法	含义
current_process()	获取当前进程对象 类似于threading.current_thread()
active_children()	获取当前进程所有活动的子进程列表。注意：不包含自己，即当前进程。有点类似于threading.enumerate()
cpu_count()	返回当前系统CPU的数量

import multiprocessing

if __name__ == "__main__":
    p = multiprocessing.Pool(4)
    print(multiprocessing.current_process())
    print(multiprocessing.active_children())
    print(multiprocessing.cpu_count())

2.multiprocessing.Pool进程池

构造方法

Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]]) #构造方法

• processes #进程池最大使用的工作进程数量，默认值为None，会使用os.cpu_count()来获取cpu的数量作为最大进程数量。

• initializer #进程初始化函数，进程初始化时会调用该函数。

• initargs #参数，为initializer函数调用时传递的参数。

• maxtasksperchild #工作进程退出前可以完成的任务数，完成后用一个新的工作进程来替代原进程，让闲置的资源释放，默认是None，此意味只要Pool存在工作进程就一直存活(如果改为maxtasksperchild=1每次线程执行worker时都会重新创建一个新的进程并执行show)

• context #用在制定工作进程启动时的上下文，一般使用multiprocessing.Pool()或者一个context对象的Pool()方法来创建一个池，两种方法都适当的设置了context。(context中有一个进程或者工作任务的队列，会产生阻塞，保证进程会永久存在。)

• 注意Pool创建后，会立即实例化指定个数的进程。以备使用

  import multiprocessing
  import logging
  import sys
  import time
  
  logging.basicConfig(level=logging.INFO,format="%(name)s %(process)d %(processName)s %(thread)d %(message)s",stream=sys.stdout)
  log = logging.getLogger(__name__)
  
  def show(i):
      log.info("我启动了{}".format(i