本篇文章给大家带来的内容是关于python多进程的用法示例(代码)，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。

python多线程适合IO密集型场景，而在CPU密集型场景，并不能充分利用多核CPU，而协程本质基于线程，同样不能充分发挥多核的优势。

针对计算密集型场景需要使用多进程，python的multiprocessing与threading模块非常相似，支持用进程池的方式批量创建子进程。创建单个Process进程(使用func)

只需要实例化Process类，传递函数给target参数，这点和threading模块非常的类似，args为函数的参数

import os

from multiprocessing import Process

# 子进程要执行的代码

def task(name):

print('run child process %s (%s)...' % (name, os.getpid()))

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Process(target=task, args=('test',))

p.start()

p.join()

print('process end.')

创建单个Process进程(使用class)

继承Process类，重写run方法创建进程，这点和threading模块基本一样

import multiprocessing

import os

from multiprocessing import current_process

class Worker(multiprocessing.Process):

def run(self):

name = current_process().name # 获取当前进程的名称

print('run child process (%s)' % (name, os.getpid()))

print('In %s' % self.name)

return

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Worker()

p.start()

p.join()

print('process end.')

* 停止进程

terminate()结束子进程，但是会导致子进程的资源无法释放掉，是不推荐的做法，因为结束的时候不清楚子线程的运行状况，有很大可能性导致子线程在不恰当的时刻被结束。

import multiprocessing

import time

def worker():

print('starting worker')

time.sleep(0.1)

print('finished worker')

if __name__ == '__main__':

p = multiprocessing.Process(target=worker)

print('执行前:', p.is_alive())

p.start()

print('执行中:', p.is_alive())

p.terminate() # 发送停止号

print('停止:', p.is_alive())

p.join()

print('等待完成:', p.is_alive())

直接创建多个Process进程

import multiprocessing

def worker(num):

print(f'Worker:%s %s', num)

return

if __name__ == '__main__':

jobs = []

for i in range(5):

p = multiprocessing.Process(target=worker, args=(i,))

jobs.append(p)

p.start()

使用进程池创建多个进程

在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。

Pool可以提供指定数量的进程供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来它。

import os

import random

import time

from multiprocessing import Pool

from time import ctime

def task(name):

print('start task %s (%s)...' % (name, os.getpid()))

start = time.time()

time.sleep(random.random() * 3)

print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

p = Pool() # 初始化进程池

for i in range(5):

p.apply_async(task, args=(i,)) # 追加任务 apply_async 是异步非阻塞的，就是不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。

p.close()

p.join() # 等待所有结果执行完毕，会等待所有子进程执行完毕，调用join()之前必须先调用close()

print(f'all done at: {ctime()}')

如果关心每个进程的执行结果，可以使用返回结果的get方法获取，代码如下

import os

import random

import time

from multiprocessing import Pool, current_process

from time import ctime

def task(name):

print('start task %s (%s)...' % (name, os.getpid()))

start = time.time()

time.sleep(random.random() * 3)

print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))

return current_process().name + 'done'

if __name__ == '__main__':

print('parent process %s.' % os.getpid())

result = []

p = Pool() # 初始化进程池

for i in range(5):

result.append(p.apply_async(task, args=(i,))) # 追加任务 apply_async 是异步非阻塞的，就是不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。

p.close()

p.join() # 等待所有结果执行完毕

for res in result:

print(res.get()) # get()函数得出每个返回结果的值

print(f'all done at: {ctime()}')