python 进程池 等待数量_python 进程池multiprocessing.Pool

44.Python 进程池multiprocessing.Pool

最后更新于：2020-03-21 11:53:37

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.进程池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.进程池Pool使用

# !usr/bin/env python

# -*- coding:utf-8 _*-

"""

@Author:何以解忧

@Blog(个人博客地址): shuopython.com

@WeChat Official Account(微信公众号)：猿说python

@Github:www.github.com

@File:python_process_Pool.py

@Time:2020/1/1 21:25

@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).

猜你喜欢:

技术交流、商务合作请直接联系博主

扫码或搜索：猿说python

猿说python

微信公众号 扫一扫关注

赞赏

微信赞赏支付宝赞赏