进程是由系统自己管理的。
1：最基本的写法
|
1
2
3
4
5
6
7
8
9
|
from multiprocessing import Pooldef f(x): return x*xif __name__ == '__main__': p = Pool(5) print(p.map(f, [1, 2, 3]))[1, 4, 9] |
2、实际上是通过os.fork的方法产生进程的
unix中，所有进程都是通过fork的方法产生的。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
multiprocessing Processosinfo(title): title , __name__ (os, ): , os.getppid() , os.getpid()f(name): info() , name__name__ == : info() p = Process(=f, =(,)) p.start() p.join() |
3、线程共享内存
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
threadingrun(info_list,n): info_list.append(n) info_list__name__ == : info=[] i (): p=threading.Thread(=run,=[info,i]) p.start()[0][0, 1][0, 1, 2][0, 1, 2, 3][0, 1, 2, 3, 4][0, 1, 2, 3, 4, 5][0, 1, 2, 3, 4, 5, 6][0, 1, 2, 3, 4, 5, 6, 7][0, 1, 2, 3, 4, 5, 6, 7, 8][0, 1, 2, 3, 4, 5, 6, 7, 8, 9] |
进程不共享内存：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
multiprocessing Processrun(info_list,n): info_list.append(n) info_list__name__ == : info=[] i (): p=Process(=run,=[info,i]) p.start()[1][2][3][0][4][5][6][7][8][9] |
若想共享内存，需使用multiprocessing模块中的Queue
|
1
2
3
4
5
6
7
8
9
10
11
|
multiprocessing Process, Queuef(q,n): q.put([n,])__name__ == : q=Queue() i (): p=Process(=f,=(q,i)) p.start() : q.get() |
4、锁:仅是对于屏幕的共享，因为进程是独立的，所以对于多进程没有用
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
multiprocessing Process, Lockf(l, i): l.acquire() , i l.release()__name__ == : lock = Lock() num (): Process(=f, =(lock, num)).start()hello world 0hello world 1hello world 2hello world 3hello world 4hello world 5hello world 6hello world 7hello world 8hello world 9 |
5、进程间内存共享：Value，Array
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
multiprocessing Process, Value, Arrayf(n, a): n.value = i ((a)): a[i] = -a[i]__name__ == : num = Value(, ) arr = Array(, ()) num.value arr[:] p = Process(=f, =(num, arr)) p.start() p.join()0.0[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]3.1415927[0, -1, -2, -3, -4, -5, -6, -7, -8, -9] |
#manager共享方法，但速度慢
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
multiprocessing Process, Managerf(d, l): d[] = d[] = d[] = l.reverse()__name__ == : manager = Manager() d = manager.dict() l = manager.list(()) p = Process(=f, =(d, l)) p.start() p.join() d l# print '-------------'这里只是另一种写法# print pool.map(f,range(10)){0.25: None, 1: '1', '2': 2}[9, 8, 7, 6, 5, 4, 3, 2, 1, 0] |
#异步：这种写法用的不多
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
multiprocessing Pooltimef(x): x*x time.sleep() x*x__name__ == : pool=Pool(=) res_list=[] i (): res=pool.apply_async(f,[i]) res_list.append(res) r res_list: r.get(timeout=10) #超时时间 |
同步的就是apply
