原文链接：

multiprocessing Basics - Python Module of the Weekhttps://pymotw.com/2/multiprocessing/basics.html

多处理基础

生成秒的最简单方法是使用目标函数实例化 Process对象并调用start() 使其开始工作。

import  multiprocessing def  worker (): """worker function""" print  'Worker' return if  __name__  ==  '__main__' : jobs  =  [] for  i  in  range ( 5 ): p  =  multiprocessing 。处理（目标=工人）工作。追加( p ) p 。开始()

输出包括打印了五次的“Worker”这个词，尽管根据执行顺序它可能并不完全干净。

$蟒蛇multiprocessing_simple.py工人
，工人
，工人
，工人
，工人

能够产生一个带有参数的进程来告诉它要做什么通常更有用。与线程不同，要将参数传递给多处理进程，参数必须能够使用pickle进行序列化。这个例子传递给每个工人一个数字，所以输出更有趣一些。

import  multiprocessing def  worker ( num ): """thread worker function""" print  'Worker:' ,  num return if  __name__  ==  '__main__' : jobs  =  [] for  i  in  range ( 5 ): p  =  multiprocessing 。处理( target = worker ,  args = ( i ,))作业。追加( p ) p. 开始()

整数参数现在包含在每个工作人员打印的消息中：

$ python multiprocessing_simpleargs.py工人：0
工人：1
工人：2
工人：3
工人：4

可导入的目标函数

在之间的一个区别线程和多处理的例子是额外的保护__main__在使用多处理的例子。由于新进程的启动方式，子进程需要能够导入包含目标函数的脚本。将应用程序的主要部分包装在对__main__的检查中，确保它不会在导入模块时在每个子项中递归运行。另一种方法是从单独的脚本中导入目标函数。

例如，这个主程序：

import  multiprocessing 
import  multiprocessing_import_worker if  __name__  ==  '__main__' : jobs  =  [] for  i  in  range ( 5 ): p  =  multiprocessing 。处理（目标= multiprocessing_import_worker 。工人）的作业。追加( p ) p 。开始()

使用这个工作函数，定义在一个单独的模块中：

def  worker (): """worker function""" print  'Worker' return

并产生与上面第一个示例类似的输出：

$蟒蛇multiprocessing_import_main.py工人
，工人
，工人
，工人
，工人

确定当前进程

传递参数来标识或命名过程很麻烦，而且没有必要。每个Process实例都有一个带有默认值的名称，可以在创建流程时更改该名称。命名进程对于跟踪它们很有用，尤其是在同时运行多种类型进程的应用程序中。

import  multiprocessing 
import  time def  worker (): name  =  multiprocessing . current_process () 。名称打印 名称， “开始”时间。sleep ( 2 )打印 名称， '退出' def  my_service (): name  =  multiprocessing 。current_process () 。名称打印 名称， “开始”时间。睡觉（3 ）打印 名称， '退出'如果 __name__  ==  '__main__' : service  =  multiprocessing 。Process ( name = 'my_service' ,  target = my_service ) worker_1  =  multiprocessing 。进程( name = 'worker 1' ,  target = worker ) worker_2  =  multiprocessing 。进程（目标=工人） # 使用默认名称worker_1 。开始() worker_2 。启动()服务。开始()

调试输出的每一行都包含当前进程的名称。名称列中带有Process-3的行对应于未命名的进程worker_1。

$ python multiprocessing_names.py worker 1 启动
worker 1 退出
进程3 启动
进程3 退出
my_service 启动
my_service 退出

守护进程

默认情况下，直到所有子程序都退出后，主程序才会退出。有时启动后台进程运行时不会阻止主程序退出是很有用的，例如在可能没有简单方法中断工作程序的服务中，或者在工作过程中让它死掉不会丢失或损坏数据（例如，为服务监控工具生成“心跳”的任务）。

要将进程标记为守护进程，请使用布尔值设置其守护进程属性。默认情况下，进程不是守护进程，因此传递 True 会打开守护进程模式。

import  multiprocessing 
import  time 
import  sys def  daemon (): p  =  multiprocessing . current_process ()打印 'Starting:' ,  p 。姓名， 页码。pid系统。标准输出。冲洗（）时间。sleep ( 2 )打印 'Exiting:' ,  p 。姓名， 页码。pid系统。标准输出。flush () def  non_daemon (): p  =  multiprocessing 。current_process ()打印 'Starting:' ,  p 。姓名， 页码。pid系统。标准输出。flush ()打印 'Exiting :' ,  p 。姓名， 页码。pid系统。标准输出。flush () if  __name__  ==  '__main__' : d  =  multiprocessing. 进程( name = 'daemon' ,  target = daemon ) d . 守护进程 = 真n  = 多处理。进程( name = 'non-daemon' ,  target = non_daemon ) n 。守护进程 = 假d . 开始（）时间。睡眠( 1 ) n 。开始()

详解python多进程（含示例代码）相关推荐

php中的装饰,详解PHP装饰模式的示例代码
详解PHP装饰模式的示例代码<?php // 装饰模式 function echoLine($msg) { echo $msg, ' '; } class RequestHelper { /** ...
c语言将两个16位变为一个32位,16位汇编第六讲汇编指令详解第第三讲(示例代码)...
16位汇编第六讲汇编指令详解第第三讲 1.十进制调整指令 1. 十进制数调整指令对二进制运算的结果进行十进制调整,以得到十进制的运算结果 2.分成压缩BCD码和非压缩BCD码调整简而言之: 以前的时 ...
详解遗传算法（含MATLAB代码）
目录一.遗传算法概述二.遗传算法的特点和应用三.遗传算法的基本流程及实现技术 3.1 遗传算法的基本流程 3.2 遗传算法的实现技术 1.编码 2.适应度函数 3.选择算子 4.交叉算子 5.变 ...
python停止线程池_详解python中Threadpool线程池任务终止示例代码
需求加入我们需要处理一串个位数(0~9),奇数时需要循环打印它:偶数则等待对应时长并完成所有任务:0则是错误,但不需要终止任务,可以自定义一些处理. 关键点定义func函数处理需求 callbac ...
数学建模——智能优化之遗传算法详解Python代码
数学建模--智能优化之遗传算法详解Python代码 import numpy as np import matplotlib.pyplot as plt from matplotlib import ...
数学建模——主成分分析算法详解Python代码
数学建模--主成分分析算法详解Python代码 import matplotlib.pyplot as plt #加载matplotlib用于数据的可视化 from sklearn.decomposi ...
数学建模——智能优化之模拟退火模型详解Python代码
数学建模--智能优化之模拟退火模型详解Python代码 #本功能实现最小值的求解#from matplotlib import pyplot as plt import numpy as np imp ...
数学建模——智能优化之粒子群模型详解Python代码
数学建模--智能优化之粒子群模型详解Python代码 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplo ...
数学建模——支持向量机模型详解Python代码
数学建模--支持向量机模型详解Python代码 from numpy import * import random import matplotlib.pyplot as plt import num ...
数学建模——一维、二维插值模型详解Python代码
数学建模--一维.二维插值模型详解Python代码一.一维插值 # -*-coding:utf-8 -*- import numpy as np from scipy import interpol ...

详解python多进程（含示例代码）