1、 python多进程简介
由于Python设计的限制(我说的是咱们常用的CPython)。最多只能用满1个CPU核心。Python提供了非常好用的多进程包multiprocessing，他提供了一套和多线程类似的接口，有start、run等方法，我们只需要定义一个函数，Python会替我们完成其他所有事情。借助这个包，可以轻松完成从单进程到并发执行的转换。
2、 注意事项
a）在UNIX平台上，当某个进程终结之后，该进程需要被其父进程调用wait，否则进程成为僵尸进程(Zombie)。所以，有必要对每个Process对象调用join()方法 (实际上等同于wait)。对于多线程来说，由于只有一个进程，所以不存在此必要性。
b）multiprocessing提供了threading包中没有的IPC(比如Pipe和Queue)，效率上更高。应优先考虑Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因为它们占据的不是用户进程的资源)。
c）多进程应该避免共享资源。在多线程中，我们可以比较容易地共享资源，比如使用全局变量或者传递参数。在多进程情况下，由于每个进程有自己独立的内存空间，以上方法并不合适。此时我们可以通过共享内存和Manager的方法来共享资源。但这样做提高了程序的复杂度，并因为同步的需要而降低了程序的效率。
3、 常用接口
Event()：进程的事件用于主线程控制其他进程的执行，事件主要提供了三个方法wait、clear、set
Queue()：进程的队列，提供get和put方法
Process()：创建一个新的进程
Lock()：进程锁
Semaphore：一种带计数的进程同步机制，当调用release时，增加计算，当acquire时，减少计数，当计数为0时，自动阻塞，等待release被调用
Pipe()：创建进程双向管道
Manager()：一种较为高级的多进程通信方式，它能支持Python支持的的任何数据结构，不限制多进程是否源于同一个父进程
Lock()：进程锁
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。
Condition():Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。
4、 代码实例
‘‘‘ 学习多线程通信：Queue,Pipe,Manage,Event ‘‘‘ import multiprocessing import time #循环从进程队列中取数据 def Proceedataget(q,p,parent_event,child_event,manage_d,manage_l): for i in range(10): print(q.get()) for i in range(20,30): p.send(i) parent_event.set() child_event.wait() for i in range(20,30): print("B process:" + str(p.recv())) manage_d["1"] = 1 manage_l.append("2") #循环从进程队列中写数据 def Proceedataput(q,p,parent_event,child_event,manage_d,manage_l): for i in range(10): q.put(i) for i in range(40,50): p.send(i) child_event.set() parent_event.wait() for i in range(20,30): print("A process:" + str(p.recv())) manage_d["2"] = 2 manage_l.append("2") if __name__ == "__main__": start_time = time.time() #定义一个进程队列 q = multiprocessing.Queue() #定义一个进程双向管道 parent_conn,child_conn = multiprocessing.Pipe() #定义两个进程事件 parent_event = multiprocessing.Event() child_event = multiprocessing.Event() multiprocessing. #定义连个Manager对象 manage = multiprocessing.Manager() manage_d = manage.dict() manage_l = manage.list() #定义两个进程 l = [] p1 = multiprocessing.Process(target = Proceedataget,args=(q,child_conn,parent_event,child_event,manage_d,manage_l)) p1.start() l.append(p1) p2 = multiprocessing.Process(target = Proceedataput,args=(q,parent_conn,parent_event,child_event,manage_d,manage_l)) p2.start() l.append(p2) #等待进程执行完毕 for p_list in l: p_list.join() end_time = time.time() print(manage_d) print(manage_l) print("Mutiple proccess cost : %d"%(end_time - start_time))
参考链接：https://docs.python.org/2/library/multiprocessing.html
