Python多进程池 multiprocessing Pool用法示例_Python

本文实例讲述了Python多进程池 multiprocessing Pool用法。分享给大家供大家参考，具体如下：

1. 背景

由于需要写python程序, 定时、大量发送htttp请求，并对结果进行处理。

参考其他代码有进程池，记录一下。

2. 多进程 vs 多线程

c++程序中，单个模块通常是单进程，会启动几十、上百个线程，充分发挥机器性能。(目前c++11有了std::thread编程多线程很方便，可以参考我之前的博客)
shell脚本中，都是多进程后台执行。({ ...} &，可以参考我之前的博客，实现shell并发处理任务)
python脚本有多线程和多进程。由于python全局解锁锁的GIL的存在,一般建议 CPU密集型应该采用多进程充分发挥多核优势，I/O密集型可以采用多线程。

尽管Python完全支持多线程编程，但是解释器的C语言实现部分在完全并行执行时并不是线程安全的。
实际上，解释器被一个全局解释器锁保护着，它确保任何时候都只有一个Python线程执行。
GIL最大的问题就是Python的多线程程序并不能利用多核CPU的优势（比如一个使用了多个线程的计算密集型程序只会在一个单CPU上面运行）。

3. multiprocessing pool使用例子

对Pool对象调用join()方法会等待所有子进程执行完毕，调用join()之前必须先调用close()，让其不再接受新的Process了

									#coding=utf-8

									import logging

									import time

									from multiprocessing import Pool

									logging.basicConfig(level=logging.INFO, filename='logger.log')

									class Point:

									  def __init__(self, x = 0, y= 0):

									    self.x = x

									    self.y = y

									  def __str__(self):

									    return "(%d, %d)" % (self.x, self.y)

									def fun1(point):

									  point.x = point.x + 3

									  point.y = point.y + 3

									  time.sleep(1)

									  return point

									def fun2(x):

									  time.sleep(1)

									  logging.info(time.ctime() + ", fun2 input x:" + str(x))

									  return x * x

									if __name__ == '__main__':

									  pool = Pool(4)

									  #test1

									  mylist = [x for x in range(10)]

									  ret = pool.map(fun2, mylist)

									  print ret

									  #test2

									  mydata = [Point(x, y) for x in range(3) for y in range(2)]

									  res = pool.map(fun1, mydata)

									  for i in res:

									    print str(i)

									  #end

									  pool.close()

									  pool.join()

									  print "end"