multiprocessing 模块使用示例

好的，下面是一个使用multiprocessing模块的简单示例：

import multiprocessing

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

if __name__ == '__main__':
    jobs = []
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(i,))
        jobs.append(p)
        p.start()

这个示例中，我们定义了一个worker函数，并使用multiprocessing模块创建5个进程来执行这个函数。每个进程都会打印出一个数字，表示它是第几个进程。

相关问题

如何使用multiprocessing模块，请给出示例

当使用`multiprocessing`模块时，可以通过创建多个进程来实现并行执行任务。以下是一个示例：

import multiprocessing

def worker(item):
    # 在这里执行具体的任务
    print(f"Processing item: {item}")

# 要处理的数据列表
data = [1, 2, 3, 4, 5]

# 创建进程池
pool = multiprocessing.Pool()

# 使用进程池并发执行任务
pool.map(worker, data)

# 关闭进程池
pool.close()
pool.join()

在上述示例中，我们定义了一个`worker`函数来执行实际的任务。然后，我们创建了一个进程池`multiprocessing.Pool()`。通过调用`pool.map()`方法，我们可以将任务和数据传递给进程池，进程池会自动分配任务给可用的进程并行执行。

需要注意的是，`multiprocessing.Pool()`默认会创建与CPU核心数相等的进程，但你也可以通过指定`processes`参数来控制进程池的大小。在示例中，我们没有指定`processes`参数，因此进程池的大小将根据系统的CPU核心数来确定。

最后，我们需要调用`pool.close()`方法来关闭进程池，并通过`pool.join()`等待所有进程执行完毕。

与多线程不同，使用`multiprocessing`模块可以充分利用多核处理器的优势，因为每个进程都在独立的Python解释器中运行，互不干扰。这使得多进程在处理计算密集型任务时非常有用。

示范下 multiprocessing 模块的使用

当你需要在 Python 中同时执行多个任务时，可以使用 multiprocessing 模块。下面是一个简单的示例代码：

import multiprocessing

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

if __name__ == '__main__':
    jobs = []
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(i,))
        jobs.append(p)
        p.start()

在这个示例中，我们定义了一个 worker 函数，它接受一个参数 num，并打印出一个字符串。然后我们使用 multiprocessing 模块创建了 5 个进程，并将它们添加到 jobs 列表中。最后，我们启动了这些进程。

注意，我们在 if __name__ == '__main__': 中使用了这个条件语句，这是因为在 Windows 系统中，如果不加这个条件语句，会导致多个进程无法正常工作。

这就是 multiprocessing 模块的简单示例。