python多进程变成学习之multiprocessing

Python解释器有一个全局解释器锁（PIL—— Global Interpreter Lock），导致每个phthon进程中最多同时运行一个线程，因此Python多线程程序并不能改善程序性能，不能体现多核系统的优势。

什么是全局解释器锁GIL？

Python代码的执行由Python 虚拟机(也叫解释器主循环，CPython版本)来控制，Python 在设计之初就考虑到要在解释器的主循环中，同时只有一个线程在执行，即在任意时刻，只有一个线程在解释器中运行。对Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。
多线程环境中，Python虚拟机的工作方式：

1. 设置GIL
2. 切换到一个线程去运行
3. 运行：
    * 指定数量的字节码指令或者线程主动让出控制（可以调用time.sleep(0)）

4. 把线程设置为睡眠状态
5. 解锁GIL
6. 再次重复以上所有步骤

multiprocessing包是Python中的多进程管理包。与threading.Thread类似，它可以利用multiprocessing.Process对象来创建一个进程。该进程可以运行在Python内部编写的函数。该Process对象与Thread对象的用法相同，也有start(),run(),join()方法。此外multiprocessing保重也有Lock/Event/Semphore/Condition类（这些对象可以像多线程那样，通过参数传递给各个进程），用以同步进程，其用法与threading包中的同明类一直。所以，multiprecessing的很大一部分与threading使用同一套API。multiprocessing可以有效的利用子进程，因此多处理器模块允许程序员充分利用多处理器，
使用共享api的注意事项：

* 在Unix平台上，当某个进程终结之后，该进程需要被其父进程调用wait,否则进程成为僵尸进程（Zombie）。所以，有必要对每个Process对象调用join方法（实际上等同于wait）。对于多线程来说，由于只有一个进程，多以不存在此必要性。
* multiprocessing提供了threading包中没有的IPC（比如pipe和queue）,效率更高。应优先考虑pipe和queue，避免使用Lock/Event/Semaphore/Condition等同步方式（因为它们占据的不是用户进程的资源）。
* 多进程应该避免共享资源。在多线程中，我们可以比较容易的共享资源，比如使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。因此我们可以通过共享内存和Manager的方式在共享资源。但这样做提高了程序的复杂度，并因为同步的需要而减低了程序的效率。
* Process.PID中保存有PID，如果进程还没有start()，则PID为None.

快速安装：

pip install mutiprocessing

multiprocessing支持三种启动流程，分别为‘spawn’，‘fork’，“forkserver”

spawn

父进程启动一个新的Python解释器， 子进程将只继承运行run()方法所需的资源。不继承父进程不必要的文件描述符和句柄（一种特殊的只能指针）。与使用fork或forkserver相比，使用此方法启动进程相当慢。在Unix和Windows上可用，Windows上为默认。

fork

父进程使用os.fork()来分叉Python解释器，子进程开始时，与父进程实际上是相同的。父进程所有资源都由子进程继承。这不能保证多线程的安全问题

forkserver

当程序启动并选择forkserver start方法时，将启动服务器进程。从那时起，每当需要新进程时，父进程连接到服务器，并请求它分配一个新进程。叉服务器进程是单线程的，因此它可以安全使用os.fork()。没有不必要的资源被继承。
如果要选择启动方法，必须在主模块中使用set_start_method方法，如：

if __name__ == '__main__':
     multiprocessing.set_start_method('spawn')    

公共属性：

multiprocessing.curre