Python 多进程

1.Python 多进程

类型 CPU密集型操作 IO密集型操作 网络请求密集型操作 线性操作 94.91824996 22.46199995 7.3296 多线程操作 101.1700001 24.8605001 0.505333265 多进程操作 53.88999999 12.78400004 0.504500032

通过上表我们可以看到：

多线程在IO密集型的操作下似乎也没有很大的优势（也许IO操作的任务再繁重一些就能体现出优势），在CPU密集型的操作下明显地比单线程线性执行性能更差，但是对于网络请求这种忙等阻塞线程的操作，多线程的优势便非常显著了
多进程无论是在CPU密集型还是IO密集型以及网络请求密集型（经常发生线程阻塞的操作）中，都能体现出性能的优势。不过在类似网络请求密集型的操作上，与多线程相差无几，但却更占用CPU等资源，所以对于这种情况下，我们可以选择多线程来执行

构造方法 描述 target 执行的方法 name 进程名 args 执行方法的参数 实例方法 描述 is_alive() 查看进程是否正在运行 join() 阻塞进程 start() 开始进程 run() 被start()调用 terminate() 停止进程 属性 描述 name 进程名字 pid 进程编号 daemon 守护进程

2.例子
2.1 使用多线程运行函数

import multiprocessing as mpdef count():    for i in range(1000):        print(i)#只有在本程序为主程序的时候运行接下来的代码#每个python模块（python文件，也就是此处的test.py和import_test.py）都包含内置的#变量__name__,当运行模块被执行的时候，__name__等于文件名（包含了后缀.py）；如果#import到其他模块中，则__name__等于模块名称（不包含后缀.py）。而“__main__”等于当#前执行文件的名称（包含了后缀.py）。进而当模块被直接执行时，__name__ == 'main'结#果为真。if __name__ == "__main__":#注意这里的target调用的函数是函数名称，不能带();另外Process第一个字母大写    p1=mp.Process(target=count)    p2=mp.Process(target=count)    p1.start()    p2.start()

在运行结果中我们可以看到这样的片段：
152
953
153
154
155
156
157
954
158
955
159
956
160
说明在执行第一个循环的进程中，并发开始执行了第二个进程，两个循环进程是同时进行的。

2.2 daemon

import multiprocessing as mpdef count1():    for i in range(10):        print(i)def count2():    for i in range(10):        print(i*10)if __name__ == "__main__":    p1=mp.Process(target=count1)    p2=mp.Process(target=count2)#进程的属性一定要在进程开始前设置    p1.daemon=True    p1.start()    p2.start()    print("Done")

输出的结果为：
Done
0
10
20
30
40
50
60
70
80
90
我们可以看到主程序先运行结束，打印了“Done”，由于count1的进程没有设置保护进程，所以主程序结束后，count1进程也被终止了。但是，count2由于被设置了程度保护，所以count2进程并没有随着主程序的终止而终止。
2.3 lock
lock用来处理共享资源的访问，避免访问冲突
2.4 Semaphore
Semaphore限制访问数量
2.5 Event
Event用来实现进程间的同步通信
2.6 Queue
多进程安全队列，用于实现进程间的数据传递。
2.7 Pipe
2.8 Pool

参考文献：
http://www.cnblogs.com/kaituorensheng/p/4445418.html#_label3
http://python.jobbole.com/86822/