Python 多進程編程之multiprocessing--Poolpython
----當須要建立的子進程數量很少的時候,能夠直接利用multiprocessing 中的Process 動態生成多個進程,
----可是,若是是成百上千個任務,手動建立的話,工做量會很大,此時就會用到multiprocessing 下的Pool
----初始化Pool 時,能夠指定一個最大的進程數,當背後的請求提交到Pool 中時,若是池子沒有滿,那麼就會建立一個新的進程來執行該請求. 若是滿了(池子中的進程以及達到最大進程數)那麼該請求就會等待,直到池子中有進程結束,纔會建立新的進程來執行.編程
from multiprocessing import Pool import os,time,random #定義一個函數 def download(i): print("(%d)--ID號爲:%d的進程開始執行"%(i,os.getpid())) t_start = time.time() time.sleep(random.random()*10) t_stop = time.time() print("(%d)---ID:%d執行完畢,耗時%f秒!"%(i,os.getpid(),t_stop-t_start)) if __name__ == "__main__": po = Pool(3)#定義一個進程池,最大進程的數量 for i in range(10): #每次循環將會用空閒出來的子進程去調用目錄--同步(自加阻塞) #po.apply(func=download,args=(i,)) #每次循環將會用空閒出來的子進程去調用目錄--異步 po.apply_async(func=download,args=(i,)) print("----start----") po.close()#關閉進程池,關閉後po就再也不接收您的請求。 po.join() #等待po中全部的子進程執行完成,必需放在close以後。 print("----end------")
po.apply(func=download,args=(i,)) 執行的結果以下:你會發現是每次執行一個進程.
(0)id號爲:25334的進程開始執行 (0)id號25334執行完畢,耗時3.866196秒 (1)id號爲:25335的進程開始執行 (1)id號25335執行完畢,耗時3.393492秒 (2)id號爲:25333的進程開始執行 (2)id號25333執行完畢,耗時9.758717秒 (3)id號爲:25334的進程開始執行 (3)id號25334執行完畢,耗時0.150672秒 (4)id號爲:25335的進程開始執行 (4)id號25335執行完畢,耗時8.498094秒 (5)id號爲:25333的進程開始執行 (5)id號25333執行完畢,耗時9.061761秒 (6)id號爲:25334的進程開始執行 (6)id號25334執行完畢,耗時8.845187秒 (7)id號爲:25335的進程開始執行 (7)id號25335執行完畢,耗時6.623793秒 (8)id號爲:25333的進程開始執行 (8)id號25333執行完畢,耗時2.530908秒 (9)id號爲:25334的進程開始執行 (9)id號25334執行完畢,耗時9.739911秒 ------start------- ------end----------
------start------- (1)id號爲:25313的進程開始執行 (2)id號爲:25314的進程開始執行 (0)id號爲:25315的進程開始執行 (0)id號25315執行完畢,耗時0.853286秒 (3)id號爲:25315的進程開始執行 (3)id號25315執行完畢,耗時5.674426秒 (4)id號爲:25315的進程開始執行 (4)id號25315執行完畢,耗時1.449967秒 (5)id號爲:25315的進程開始執行 (1)id號25313執行完畢,耗時9.333982秒 (6)id號爲:25313的進程開始執行 (2)id號25314執行完畢,耗時9.982127秒 (7)id號爲:25314的進程開始執行 (5)id號25315執行完畢,耗時2.919765秒 (8)id號爲:25315的進程開始執行 (7)id號25314執行完畢,耗時2.520782秒 (9)id號爲:25314的進程開始執行 (6)id號25313執行完畢,耗時6.414589秒 (9)id號25314執行完畢,耗時7.013178秒 (8)id號25315執行完畢,耗時9.927967秒 ------end----------