因为GIL（全局解释器锁）的限制（GIL是用来保证在任意时刻只能有一个控制线程在执行），所以python中的多线程并非真正的多线程。只有python程序是I/O密集型应用时，多线程才会对运行效率有显著提高（因在等待I/O的时，会释放GIL允许其他线程继续执行），而在计算密集型应用中，多线程并没有什么用处。考虑到要充分利用多核CPU的资源，允许python可以并行处理一些任务，这里就用到了python多进程编程了。multiprocessing是python中的多进程模块，使用这个模块可以方便地进行多进程应用程序开发。multiprocessing模块中提供了：Process、Pool、Queue、Manager等组件。
1 Process类
1.1 构造方法
def __init__(self, group=None, target=None, name=None, args=(), kwargs={})
group：进程所属组，基本不用
target：进程调用对象（可以是一个函数名，也可以是一个可调用的对象（实现了__call__方法的类））
args：调用对象的位置参数元组
name：别名
kwargs：调用对象的关键字参数字典
1.2 实例方法
is_alive()：返回进程是否在运行
start()：启动进程，等待CPU调度
join([timeout])：阻塞当前上下文环境，直到调用此方法的进程终止或者到达指定timeout
terminate()：不管任务是否完成，立即停止该进程
run()：start()调用该方法，当实例进程没有传入target参数，stat()将执行默认的run()方法
1.3 属性
authkey：
daemon：守护进程标识，在start()调用之前可以对其进行修改
exitcode：进程的退出状态码
name：进程名
pid：进程id
1.4 实例
实例一：传入的target为一个函数
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Process
def foo(i):
print time.ctime(), "process the %d begin ......" %i
time.sleep(random.uniform(1,3))
print time.ctime(), "process the %d end !!!!!!" %i
if __name__ == "__main__":
print time.ctime(), "process begin......"
p_lst = list()
for i in range(4):
p_lst.append(Process(target=foo, args=(i,))) #创建4个子进程
#启动子进程
for p in p_lst:
p.start()
#等待子进程全部结束
for p in p_lst:
p.join()
print time.ctime(), "process end!!!!!"
实例二：传入的target为一个可调用对象
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Process
class Foo(object):
def __init__(self, i):
self.i = i
def __call__(self):
'''
使Foo的实例对象成为可调用对象
'''
print time.ctime(), "process the %d begin ......" %self.i
time.sleep(random.uniform(1,3))
print time.ctime(), "process the %d end !!!!!!" %self.i
if __name__ == "__main__":
print time.ctime(), "process begin......"
p_lst = list()
for i in range(4):
p_lst.append(Process(target=Foo(i))) #创建4个子进程
#启动子进程
for p in p_lst:
p.start()
#等待子进程全部结束
for p in p_lst:
p.join()
print time.ctime(), "process end!!!!!"
实例三：派生Process子类，并创建子类的实例
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Process
class MyProcess(Process):
def __init__(self, i):
Process.__init__(self)
self.i = i
def run(self):
'''
#重写run方法，当调用start方法时，就会调用当前重写的run方法中的程序
'''
print time.ctime(), "process the %d begin ......" %self.i
time.sleep(random.uniform(1,3))
print time.ctime(), "process the %d end !!!!!!" %self.i
if __name__ == "__main__":
print time.ctime(), "process begin......"
p_lst = list()
for i in range(4):
p_lst.append(MyProcess(i)) #创建4个子进程
#启动子进程
for p in p_lst:
p.start()
#等待子进程全部结束
for p in p_lst:
p.join()
print time.ctime(), "process end!!!!!"
2 Pool类
当使用Process类管理非常多（几十上百个）的进程时，就会显得比较繁琐，这是就可以使用Pool（进程池）来对进程进行统一管理。当池中进程已满时，有新进程请求执行时，就会被阻塞，直到池中有进程执行结束，新的进程请求才会被放入池中并执行。
2.1 构造方法
def __init__(self, processes=None, initializer=None, initargs=(), maxtasksperchild=None)
processes：池中可容纳的工作进程数量，默认情况使用os.cpu_count()返回的数值，一般默认即可
其他参数暂不清楚有什么用处......
2.2 实例方法
apply(self, func, args=(), kwds={})：阻塞型进程池，会阻塞主进程，直到工作进程全部退出，一般不用这个
apply_async(self, func, args=(), kwds={}, callback=None)：非阻塞型进程池
map(self, func, iterable, chunksize=None)：与内置map行为一致，它会阻塞主进程，直到map运行结束
map_async(self, func, iterable, chunksize=None, callback=None)：非阻塞版本的map
close()：关闭进程池，不在接受新任务
terminate()：结束工作进程
join()：阻塞主进程等待子进程退出，该方法必须在close或terminate之后执行
2.3 实例
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Pool
def foo(i):
print time.ctime(), "process the %d begin ......" %i
time.sleep(random.uniform(1,3))
print time.ctime(), "process the %d end !!!!!!" %i
if __name__ == "__main__":
print time.ctime(), "process begin......"
pool = Pool(processes = 2) #设置进程池中最大并行工作进程数为2
for i in range(4):
pool.apply_async(foo, args=(i,)) #提交4个子进程任务
pool.close()
pool.join()
print time.ctime(), "process end!!!!!"
结果：
Fri Nov 18 13:57:22 2016 process begin......
Fri Nov 18 13:57:22 2016 process the 0 begin ......
Fri Nov 18 13:57:22 2016 process the 1 begin ......
Fri Nov 18 13:57:23 2016 process the 1 end !!!!!!
Fri Nov 18 13:57:23 2016 process the 2 begin ......
Fri Nov 18 13:57:24 2016 process the 0 end !!!!!!
Fri Nov 18 13:57:24 2016 process the 3 begin ......
Fri Nov 18 13:57:25 2016 process the 2 end !!!!!!
Fri Nov 18 13:57:25 2016 process the 3 end !!!!!!
Fri Nov 18 13:57:25 2016 process end!!!!!
3 Queue类
Queue主要提供进程间通信以及共享数据等功能。除Queue外还可以使用Pipes实现进程间通信（Pipes是两个进程间进行通信）
3.1 构造方法
def __init__(self, maxsize=0)
maxsize：用于设置队列最大长度，当为maxsize<=0时，队列的最大长度会被设置为一个非常大的值（我的系统中队列最大长度被设置为2147483647）
3.2 实例方法
put(self, obj, block=True, timeout=None)
1、block为True，若队列已满，并且timeout为正值，该方法会阻塞timeout指定的时间，直到队列中有出现剩余空间，如果超时，会抛出Queue.Full异常
2、block为False，若队列已满，立即抛出Queue.Full异常
get(self, block=True, timeout=None)
block为True，若队列为空，并且timeout为正值，该方法会阻塞timeout指定的时间，直到队列中有出现新的数据，如果超时，会抛出Queue.Empty异常
block为False，若队列为空，立即抛出Queue.Empty异常
3.3 实例
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Process, Queue
def write(q):
for value in "abcd":
print time.ctime(), "put %s to queue" %value
q.put(value)
time.sleep(random.random())
def read(q):
while True:
value = q.get()
print time.ctime(), "get %s from queue" %value
if __name__ == "__main__":
#主进程创建Queue，并作为参数传递给子进程
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
#启动子进程pw，往Queue中写入
pw.start()
#启动子进程pr，从Queue中读取
pr.start()
#等待写进程执行结束
pw.join()
#终止读取进程
pr.terminate()
运行结果：
Fri Nov 18 15:04:13 2016 put a to queue
Fri Nov 18 15:04:13 2016 get a from queue
Fri Nov 18 15:04:13 2016 put b to queue
Fri Nov 18 15:04:13 2016 get b from queue
Fri Nov 18 15:04:13 2016 put c to queue
Fri Nov 18 15:04:13 2016 get c from queue
Fri Nov 18 15:04:13 2016 put d to queue
Fri Nov 18 15:04:13 2016 get d from queue
4 Manager类
Manager是进程间数据共享的高级接口。
Manager()返回的manager对象控制了一个server进程，此进程包含的python对象可以被其他的进程通过proxies来访问。从而达到多进程间数据通信且安全。Manager支持的类型有list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Queue, Value和Array。
如下是使用Manager管理一个用于多进程共享的dict数据
#!/usr/bin/python
#coding=utf-8
import time
import random
from multiprocessing import Manager, Pool
def worker(d, key, value):
print time.ctime(), "insert the k-v pair to dict begin: {%d: %d}" %(key, value)
time.sleep(random.uniform(1,2))
d[key] = value #访问共享数据
print time.ctime(), "insert the k-v pair to dict end: {%d: %d}" %(key, value)
if __name__ == "__main__":
print time.ctime(), "process for manager begin"
mgr = Manager()
d = mgr.dict()
pool = Pool(processes=4)
for i in range(10):
pool.apply_async(worker, args=(d, i, i*i))
pool.close()
pool.join()
print "Result:"
print d
print time.ctime(), "process for manager end"
运行结果
Fri Nov 18 16:36:19 2016 process for manager begin
Fri Nov 18 16:36:19 2016 insert the k-v pair to dict begin: {0: 0}
Fri Nov 18 16:36:19 2016 insert the k-v pair to dict begin: {1: 1}
Fri Nov 18 16:36:19 2016 insert the k-v pair to dict begin: {2: 4}
Fri Nov 18 16:36:19 2016 insert the k-v pair to dict begin: {3: 9}
Fri Nov 18 16:36:20 2016 insert the k-v pair to dict end: {3: 9}
Fri Nov 18 16:36:20 2016 insert the k-v pair to dict begin: {4: 16}
Fri Nov 18 16:36:20 2016 insert the k-v pair to dict end: {0: 0}
Fri Nov 18 16:36:20 2016 insert the k-v pair to dict begin: {5: 25}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict end: {2: 4}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict begin: {6: 36}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict end: {1: 1}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict begin: {7: 49}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict end: {5: 25}
Fri Nov 18 16:36:21 2016 insert the k-v pair to dict begin: {8: 64}
Fri Nov 18 16:36:22 2016 insert the k-v pair to dict end: {4: 16}
Fri Nov 18 16:36:22 2016 insert the k-v pair to dict begin: {9: 81}
Fri Nov 18 16:36:23 2016 insert the k-v pair to dict end: {8: 64}
Fri Nov 18 16:36:23 2016 insert the k-v pair to dict end: {6: 36}
Fri Nov 18 16:36:23 2016 insert the k-v pair to dict end: {7: 49}
Fri Nov 18 16:36:23 2016 insert the k-v pair to dict end: {9: 81}
Result:
{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
Fri Nov 18 16:36:23 2016 process for manager end
