python 进程池

一. 进程池

　　引入进程池 : from multiprocessing import Pool

　　创建进程池 : Pool( numprocess , initializer , initargs )

　　参数 : numprocess : 要创建的进程数,如果省略,默认使用cpu_count() + 1的值

　　　　　initializer : 每个工作进程启动时要执行的可调用对象,默认为None

　　　　    initargs : 是要传给initializer的参数组

　　主要方法 :

　　　　实例化一个进程池 : p = Pool()

　　　　1. p.apply ( func,args = ()) : 同步的效率,也就是说池中的进程一个一个的去执行任务

　　　　　　func : 进程池中的进程要执行的任务函数

　　　　　　args : 可迭代对象性参数,是传给任务函数的参数

　　　　　　同步处理任务时,不需要close和join,并且进程池中的所有进程都是普通进程(主进程等其执行完再结束)

from multiprocessing import Pool
import time

def func(num):
    num += 1
    return num

if __name__ == '__main__':
    p = Pool(5)
    start = time.time()
    for i in range(10000):
        res = p.apply(func,args=(i,))# 同步处理这100个任务，同步是指，哪怕我进程中有5个进程，也依旧是1个进程1个进程的去执行任务
        # time.sleep(0.5)
        print(res)
    print(time.time() - start)

　　　　2. p.apply_async( func,args = () , callback = None) : 异步的效率,也就是池中的进程一次性都去执行任务.

　　　　　　func : 进程池中的进程执行的任务函数

　　　　　　args : 可迭代对象性的参数,是传给任务函数的参数

　　　　　　callback : 回调函数,就是每当进程池中有进程处理完任务了,返回的结果可以交给回调函数,由回调函数进行进一步处理,回调函数只异步才有,同步没有.回调函数是父进程调用.

from multiprocessing import Process,Pool


def func(i):
    i+=1
    return i#普通进程处理过的数据返回给主进程p1

def call_back(p1):
    p1+=1
    print(p1)

if __name__ == '__main__':
    p = Pool()
    for i in range(10):
        p1 = p.apply_async(func,args=(i,),callback = call_back)#p调用普通进程并且接受其返回值,将返回值给要执行的回调函数处理
    p.close()
    p.join()

　　　　　　异步处理任务时 : 必须要加上close和join. 进程池的所有进程都是守护进程(主进程代码执行结束,守护进程就结束). 

from multiprocessing import Pool
import time

def func(num):
    num += 1
    return num

if __name__ == '__main__':
    p = Pool(5)
    start = time.time()
    l = []
    for i in range(10000):
        res = p.apply_async(func,args=(i,))# 异步处理这100个任务，异步是指，进程中有5个进程，一下就处理5个任务，接下来哪个进程处理完任务了，就马上去接收下一个任务
        l.append(res)
        # print(res.get())#也可以使用这种方法打印返回结果,但是会使异步进程变成同步,因为get()只能一个一个取
    p.close()
    p.join()
    [print(i.get()) for i in l]
    print(time.time() - start)

　　　　3. map( func,iterable)

　　　　　　func : 进程池中的进程执行的任务函数

　　　　　　iterable : 可迭代对象,是把可迭代对象那个中的每个元素一次传给任务函数当参数.

　　　　　　map方法自带close和join

from multiprocessing import Pool

def func(num):
    num += 1
    print(num)
    return num

if __name__ == '__main__':
    p = Pool(5)
    res = p.map(func,[i for i in range(100)])
    # p.close()#map方法自带这两种功能
    # p.join()
    print('主进程中map的返回值',res)