python多进程实例

Python中的多进程模块`multiprocessing`允许你在单台机器上创建并管理多个独立的并发进程。它的基本原理是利用操作系统提供的API，如系统调用fork()来创建新进程。

以下是一个简单的多进程实例：

import multiprocessing

# 定义一个函数作为进程的任务
def worker(name):
    print(f"Worker {name} is running.")

if __name__ == "__main__":
    # 创建进程池
    pool = multiprocessing.Pool(processes=4)  # 这里可以指定进程的数量

    # 将任务提交给进程池
    jobs = [pool.apply_async(worker, args=(i,)) for i in range(5)]  # 使用apply_async避免阻塞主线程

    # 等待所有任务完成
    for job in jobs:
        job.get()

    # 关闭进程池
    pool.close()
    pool.join()

在这个例子中，我们创建了一个包含4个进程的进程池，然后提交了5个工作到这个池子中。每个worker函数会打印出它的名字，主程序不会等待它们全部执行完就继续往下走。

相关问题

python 多进程实例

下面是一个使用Python多进程的简单实例：

import multiprocessing
import time

def task(num):
    print(f"进程 {num} 开始")
    time.sleep(1)
    print(f"进程 {num} 结束")

# 创建多个进程
processes = []
for i in range(5):
    p = multiprocessing.Process(target=task, args=(i,))
    processes.append(p)

# 启动所有进程
for process in processes:
    process.start()

# 等待所有进程执行完毕
for process in processes:
    process.join()

print("所有进程执行完毕")

以上代码创建了5个进程，每个进程执行task函数，打印进程开始和结束的信息。每个进程执行任务前暂停1秒，以模拟一些耗时操作。主进程通过调用join方法等待所有进程执行完毕，最后输出"所有进程执行完毕"。

与多线程不同的是，多进程可以实现真正的并行执行，因为每个进程拥有独立的Python解释器和内存空间。在某些情况下，多进程可以更好地利用多核处理器的优势。但需要注意的是，创建和管理多个进程的开销比创建和管理多个线程的开销更高。

希望这个多进程的示例能帮助到你！

python 多进程并行实例

在Python中，多进程并行是一种利用`multiprocessing`模块来创建和管理独立运行的子进程的方式。这种并行可以显著提高CPU密集型任务的性能，因为每个子进程可以在单独的处理器核心上运行，互不影响。以下是多进程并行的一个基本示例：

import multiprocessing

def worker(num):
    """子进程中执行的任务"""
    print(f"Worker {num} is running.")

if __name__ == "__main__":
    # 创建一个进程池
    pool = multiprocessing.Pool(processes=4)  # 根据需要调整进程数

    # 将任务提交给进程池
    tasks = [pool.apply_async(worker, args=(i,)) for i in range(5)]

    # 等待所有任务完成
    pool.close()  # 阻止接受新的任务
    pool.join()  # 主进程等待所有子进程结束

    print("All tasks are completed.")

在这个例子中，`worker`函数是工作单元，`Pool`对象负责管理进程。通过`apply_async`方法，我们可以异步地将任务提交给进程池，并在所有任务完成后打印一条消息。