这篇文章主要讲解了“Python多进程multiprocessing包有什么作用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python多进程multiprocessing包有什么作用”吧！
目前创新互联公司已为上千多家的企业提供了网站建设、域名、网络空间、网站改版维护、企业网站设计、前进网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
multiprocessing包是Python中的多进程管理包。与threading.Thread类似，它可以利用multiprocessing.Process对象来创建一个进程。该进程可以运行在Python程序内部编写的函数。该Process对象与Thread对象的用法相同，也有start(), run(), join()的方法。此外multiprocessing包中也有Lock/Event/Semaphore/Condition类 (这些对象可以像多线程那样，通过参数传递给各个进程)，用以同步进程，其用法与threading包中的同名类一致。所以，multiprocessing的很大一部份与threading使用同一套API，只不过换到了多进程的情境。
但在使用这些共享API的时候，我们要注意以下几点:
在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为 僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。
multiprocessing提供了threading包中没有的IPC(比如Pipe和Queue)，效率上更高。应优先考虑Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因为它们占据的不是用户进程的资源)。
多进程应该避免共享资源。在多线程中，我们可以比较容易地共享资源，比如 使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。此时我们可以通过 共享内存和Manager的方法来共享资源。但这样做提高了程序的复杂度，并因为同步的需要而降低了程序的效率。
Process.PID中保存有PID，如果进程还没有start()，则PID为None。
我们可以从下面的程序中看到Thread对象和Process对象在使用上的相似性与结果上的不同。各个线程和进程都做一件事：打印PID。但问题是，所有的任务在打印的时候都会向同一个标准输出(stdout)输出。这样输出的字符会混合在一起，无法阅读。使用Lock同步，在一个任务输出完成之后，再允许另一个任务输出，可以避免多个任务同时向终端输出。
# Similarity and difference of multi thread vs. multi process# Written by Vameiimport osimport threadingimport multiprocessing# worker functiondef worker(sign, lock):
lock.acquire() print(sign, os.getpid())
lock.release()# Mainprint('Main:',os.getpid())# Multi-threadrecord = []
lock = threading.Lock()for i in range(5):
thread = threading.Thread(target=worker,args=('thread',lock))
thread.start()
record.append(thread)for thread in record:
thread.join()# Multi-processrecord = []
lock = multiprocessing.Lock()for i in range(5):
process = multiprocessing.Process(target=worker,args=('process',lock))
process.start()
record.append(process)for process in record:
process.join()所有Thread的PID都与主程序相同，而每个Process都有一个不同的PID。
(练习: 使用mutiprocessing包将 Python多线程与同步中的多线程程序更改为多进程程序)
正如我们在 Linux多线程中介绍的管道PIPE和消息队列message queue，multiprocessing包中有Pipe类和Queue类来分别支持这两种IPC机制。Pipe和Queue可以用来传送常见的对象。
1) Pipe可以是单向(half-duplex)，也可以是双向(duplex)。我们通过mutiprocessing.Pipe(duplex=False)创建单向管道 (默认为双向)。一个进程从PIPE一端输入对象，然后被PIPE另一端的进程接收，单向管道只允许管道一端的进程输入，而双向管道则允许从两端输入。
下面的程序展示了Pipe的使用:
# Multiprocessing with Pipe# Written by Vameiimport multiprocessing as muldef proc1(pipe):
pipe.send('hello') print('proc1 rec:',pipe.recv())def proc2(pipe): print('proc2 rec:',pipe.recv())
pipe.send('hello, too')# Build a pipepipe = mul.Pipe()# Pass an end of the pipe to process 1p1 = mul.Process(target=proc1, args=(pipe[0],))# Pass the other end of the pipe to process 2p2 = mul.Process(target=proc2, args=(pipe[1],))
p1.start()
p2.start()
p1.join()
p2.join()这里的Pipe是双向的。
Pipe对象建立的时候，返回一个含有两个元素的表，每个元素代表Pipe的一端(Connection对象)。我们对Pipe的某一端调用send()方法来传送对象，在另一端使用recv()来接收。
2) Queue与Pipe相类似，都是先进先出的结构。但Queue允许多个进程放入，多个进程从队列取出对象。Queue使用mutiprocessing.Queue(maxsize)创建，maxsize表示队列中可以存放对象的最大数量。
下面的程序展示了Queue的使用:
# Written by Vameiimport osimport multiprocessingimport time#==================# input workerdef inputQ(queue): info = str(os.getpid()) + '(put):' + str(time.time()) queue.put(info)# output workerdef outputQ(queue,lock): info = queue.get() lock.acquire() print (str(os.getpid()) + '(get):' + info) lock.release()#===================# Mainrecord1 = [] # store input processesrecord2 = [] # store output processeslock = multiprocessing.Lock() # To prevent messy printqueue = multiprocessing.Queue(3)# input processesfor i in range(10): process = multiprocessing.Process(target=inputQ,args=(queue,)) process.start() record1.append(process)# output processesfor i in range(10): process = multiprocessing.Process(target=outputQ,args=(queue,lock)) process.start() record2.append(process)for p in record1: p.join() queue.close() # No more object will come, close the queuefor p in record2: p.join()
一些进程使用put()在Queue中放入字符串，这个字符串中包含PID和时间。另一些进程从Queue中取出，并打印自己的PID以及get()的字符串。
感谢各位的阅读，以上就是“Python多进程multiprocessing包有什么作用”的内容了，经过本文的学习后，相信大家对Python多进程multiprocessing包有什么作用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
