多进程 multiprocessing 之 Pool

Pool 进程池

可以有效提升多进程的执行效率

• map()

  def func(args):
  print(args)

if __name__ == "__main__":
   p = multiprocessing.Pool(5)
   p.map(func, range(100))

map() 自带join功能，每次开启的进程数量最好不要大于CPU核数+1，第一个参数为要执行的函数，第二个参数要传递可迭代类型数据。如列表、元祖等，多个参数可以封装成字典、元祖、列表等嵌套进可迭代数据类型中：

def func(args):
    print(args)


if __name__ == "__main__":
   p = multiprocessing.Pool(5)
   p.map(func, [("haha", 1), "heihei"])

可以用一个进程池执行多个任务：

def func(args):
print(args)


def func2(args):
    print(args)


if __name__ == "__main__":
   p = multiprocessing.Pool(5)
   p.map(func, range(100))
   p.map(func2, ({"name": "haha"},))

• appply() 同步开启进程池

该方法为同步开启进程，每次只执行一个，不能实现并发

def func(args):
    time.sleep(1)
    print(args)

if __name__ == "__main__":
    p = multiprocessing.Pool(5)
    for i in range(10):
        p.apply(func, args=(i, ))

• apply_async ()

可以实现并发，但使用时要注意join，不然主进程结束，子进程一并结束。

if __name__ == "__main__":
    p = multiprocessing.Pool(5)
    for i in range(10):
        p.apply_async(func, args=(i, ))
    p.close() # 需要先关闭，才能join
    p.join()

关于多进程的返回值问题，在普通的多进程中，无法取得函数返回值，只能通过队列、管道等方式进行多进程间的通信。而在进程池中可以获取返回值，其中apply方法直接return结果，而apply则返回进程的对象，可以通过 object.get()方式获取，但是会导致进程变成同步进程，解决方式为把执行结果添加到列表中，也就是将返回的对象先存储，最后再遍历列表通过对象的.get（）方法获取结果。

在map（）中返回值会在执行完毕后一次性存储在列表中返回。

• callback 回调函数

import multiprocessing
import time
import os
def func(args):
      print("in func :", os.getpid())
      time.sleep(1)
      return args * args


def func2(nn):
      print(nn, "in func2 :", os.getpid())


if __name__ == "__main__":
     p = multiprocessing.Pool(5)
     for i in range(10):
         p.apply_async(func, args=(i, ), callback=func2) 
     p.close()
     p.join()

其中回调函数callback 为funk2，func2不能接收额外的传参，只能接收由func中返回的值，且，func函数由进程池管理，而回调函数由主进程执行。
耗时较长的任务开启多进程，而耗时较短的任务交给主进程，提高效率