Python多进程编程

多进程简单实现

Python中的多线程实现是在一个物理CPU线程内部进行切片实现的，因此并没有实现真正意义上的多线程（通过在Python多线程中写死循环然后查看CPU的占用情况就能明确该论述）。

那是不是Python语言就直接无法利用多个CPU核心线程呢？并不是，Python通过multiprocessing多进程模块实现了该功能。

代码实现也很简单，如下所示：

import multiprocessing

def worker(interval):
    print(interval)

if __name__ == '__main__':
    p1 = multiprocessing.Process(target=worker, args=(1,))
    p2 = multiprocessing.Process(target=worker, args=(2,))
    p3 = multiprocessing.Process(target=worker, args=(3,))
    p4 = multiprocessing.Process(target=worker, args=(4,))

    p1.start()
    p2.start()
    p3.start()
    p4.start()

    print("The number of CPU is:" + str(multiprocessing.cpu_count()))
    for p in multiprocessing.active_children():
        print("child   p.name:" + p.name + "\tp.id" + str(p.pid))

如果进程数量很多，也可以写成这样：

import multiprocessing

def worker(interval):
        print(interval)

if __name__ == '__main__':
    p_list = [] #存放多进程对象的列表
    # 创建多进程
    for i in range(10):
        p = multiprocessing.Process(target=worker, args=(i,))
        p_list.append(p)
    # 开启多进程
    for res in p_list:
        res.start()
    # 等待进程结束
    for res in p_list:
        res.join()

多进程间共享数据

多进程实现最常见的需求在于进程之间的数据共享交互，multiprocessing模块提供了非常便捷的操作：

import multiprocessing

def worker(mdict,interval):
    #打印字典中的对象
    print(mdict)
    mdict[interval] = {"ax": interval, "ay": interval, "yaw": interval}

if __name__ == '__main__':
    mdict = multiprocessing.Manager().dict()  # 生成一部字典，可以在多个进程中传递和共享数据。

    p_list = [] # 存放多进程对象的列表
    # 创建多进程
    for i in range(10):
        p = multiprocessing.Process(target=worker, args=(mdict,i,))
        p_list.append(p)
    # 开启多进程
    for res in p_list:
        res.start()
    # 等待进程结束
    for res in p_list:
        res.join()