一：多進(jìn)程的優(yōu)點(diǎn)、應(yīng)用場(chǎng)景
耗CPU計(jì)算時(shí)多進(jìn)程速度大于多線程，可以最大化利用CPU計(jì)算。多進(jìn)程有更強(qiáng)的容錯(cuò)性，一個(gè)進(jìn)程出錯(cuò)不會(huì)影響其他進(jìn)程。通常不需要考慮鎖和同步資源的問(wèn)題。
二：進(jìn)程使用方法
- 實(shí)例化
multiprocessing.Process，調(diào)用Threading的方法去進(jìn)行多線程編程 - 寫子類繼承
multiprocessing.Process，重寫相應(yīng)的方法
說(shuō)明：當(dāng)程序簡(jiǎn)單時(shí)可使用實(shí)例化方法，當(dāng)程序較復(fù)雜的時(shí)候，實(shí)現(xiàn)邏輯較多，第二種方法。 - linux 中
os.fork()拷貝父進(jìn)程全部數(shù)據(jù)資源，fork之后的代碼父子進(jìn)程都會(huì)繼續(xù)運(yùn)行。 -
concurrent.futures下的ProcessPoolExecutor就像上次的多線程那樣操作，非常類似。
三： 進(jìn)程間通信
- 共享全局變量不適用多進(jìn)程，多線程可以用。因?yàn)槎噙M(jìn)程的數(shù)據(jù)資源是隔離開的，相互獨(dú)立無(wú)法共享變量。
- 需要明確的是多進(jìn)程間的通信和多線程不一樣，不能用
queue.Queue作為隊(duì)列要用multiprocessing.Queue -
multiprocessing的Queue不能用于 Pool ( 進(jìn)程池)，需要用multiprocessing的Manager的Queue，需要實(shí)例化：queue = Manager().Queue() -
multiprocessing的Pipe：用法recevid_pipe, send_pipe = Pipe()只能適用于兩個(gè)指定的進(jìn)程。性能高于queue
四：進(jìn)程的實(shí)例代碼
#方法一：multiprocessing.Process
import multiprocessing
import requests
def download_html(i):
url = f'https://www.baidu.com/s?ie=UTF-8&wd={i}'
response = requests.get(url).text
print(response)
ids = list(range(100))
# 方法一
for i in range(5):
p = multiprocessing.Process(target=process, args=(i,))
p.start()
# 方法二
def multipro_main(ids ):
pool = multiprocessing.Pool(10)
pool.map(download_html, ids)
pool.close()
pool.join()
# 方法三
from multiprocessing.dummy import Pool as thpool
def thread_pool(ids ):
pool = thpool(10)
pool.map(download_html, ids)
pool.close()
pool.join()
# 方法四 （推薦，和多線程接口類似）
from concurrent.futures import ProcessPoolExecutor
with ProcessPoolExecutor(10) as executor:
executor.map(download_html, ids)
五：總結(jié)
concurrent.futures 是一個(gè)非常不錯(cuò)的庫(kù)，多線程和多進(jìn)程無(wú)縫切換，非常方便。這個(gè)庫(kù)設(shè)計(jì)思路也很好，為后面的寫異步協(xié)程的代碼也打下基礎(chǔ)。
代碼位置：github.com/rieuse/learnPython
