第十章：使用进程、线程和协程提供并发性-multiprocessing:像线程一样管理进程-multiprocessing基础

10.4 multiprocessing:像线程一样管理进程
multiprocessing模块包含一个API，它基于Threading API，可以把工作划分到多个进程。有些情况下，multiprocessing可以作为临时替换取代threading来利用多个CPU内核，相应地避免Python全局解释器所带来的计算瓶颈。由于multiprocessing与threading模块的这种相似性，这里的前几个例子都是从threading例子修改得来。后面会介绍multiprocessing中有但threading未提供的特性。

10.4.1 multiprocessing基础
要创建第二个进程，最简单的方法是用一个目标函数实例化一个Process对象，然后调用start()让它开始工作。

import multiprocessing

def worker():
    """worker function"""
    print('Worker')

if __name__ == '__main__':
    jobs = []
    for i in range(5):
        p = multiprocessing.Process(target=worker)
        jobs.append(p)
        p.start()

输出中单词“Worker”将打印5次，不过取决于具体的执行顺序，无法清楚地看出孰先孰后，这是因为每个进程都在竞争访问输出流。
运行结果：

大多数情况下，更有用的做法是，在创建一个进程时提供参数来告诉它要做什么。与threading不同，要向一个multiprocessing Process传递参数，这个参数必须能够用pickle串行化，下面这个例子向各个工作进程传递一个要打印的数。

import multiprocessing

def worker(num):
    """thread worker function"""
    print('Worker:',num)


if __name__ == '__main__':
    jobs =[]
    for i in range(5):
        p = multiprocessing.Process(target=worker,args=(i,))
        jobs.append(p)
        p.start()

现在整数参数会包含在各个工作进程打印的消息中。
运行结果：