在利用Python進行系統管理的時候，特別是同時操作多個文件目錄，或者遠程控制多臺主機，并行操作可以節約大量的時間。多進程是實現并發的手段之一，需要注意的問題是：

1)很明顯需要并發執行的任務通常要遠大于核數

2)一個操作系統不可能無限開啟進程，通常有幾個核就開幾個進程

3)進程開啟過多，效率反而會下降(開啟進程是需要占用系統資源的，而且開啟多余核數目的進程也無法做到并行)

例如當被操作對象數目不大時，可以直接利用multiprocessing中的Process動態成生多個進程，十幾個還好，但如果是上百個，上千個。。。手動的去限制進程數量卻又太過繁瑣，此時可以發揮進程池的功效。

我們就可以通過維護一個進程池來控制進程數目，比如httpd的進程模式，規定最小進程數和最大進程數...

對于遠程過程調用的高級應用程序而言，應該使用進程池，Pool可以提供指定數量的進程，供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，那么就會創建一個新的進程用來執行該請求;但如果池中的進程數已經達到規定最大值，那么該請求就會等待，直到池中有進程結束，就重用進程池中的進程。

創建進程池的類：如果指定numprocess為3，則進程池會從無到有創建三個進程，然后自始至終使用這三個進程去執行所有任務，不會開啟其他進程

1Pool([numprocess[,initializer[,initargs]]]):創建進程池

參數介紹：

1numprocess:要創建的進程數，如果省略，將默認使用cpu_count()的值

2initializer：是每個工作進程啟動時要執行的可調用對象，默認為None

3initargs：是要傳給initializer的參數組

主要方法：

1p.apply(func[,args[,kwargs]])

在一個池工作進程中執行func(*args,**kwargs),然后返回結果。

需要強調的是：此操作并不會在所有池工作進程中并執行func函數。如果要通過不同參數并發地執行func函數，必須從不同線程調用p.apply()函數或者使用p.apply_async()

2p.apply_async(func[,args[,kwargs]]):

在一個池工作進程中執行func(*args,**kwargs),然后返回結果。

此方法的結果是AsyncResult類的實例，callback是可調用對象，接收輸入參數。當func的結果變為可用時，

將理解傳遞給callback。callback禁止執行任何阻塞操作，否則將接收其他異步操作中的結果。

3p.close():關閉進程池，防止進一步操作。如果所有操作持續掛起，它們將在工作進程終止前完成

4P.jion():等待所有工作進程退出。此方法只能在close()或teminate()之后調用

應用

同步調用applay

異步調用apply_async

apply_async與apply詳解

使用進程池維護固定數目的進程

server端

客戶端

發現：并發開啟多個客戶端，服務端同一時間只有3個不同的pid，干掉一個客戶端，另外一個客戶端才會進來，被3個進程之一處理

回掉函數：

需要回調函數的場景：進程池中任何一個任務一旦處理完了，就立即告知主進程：我好了額，你可以處理我的結果了。主進程則調用一個函數去處理該結果，該函數即回調函數

我們可以把耗時間(阻塞)的任務放到進程池中，然后指定回調函數(主進程負責執行)，這樣主進程在執行回調函數時就省去了I/O的過程，直接拿到的是任務的結果。

以上內容為大家介紹了python進程池，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。

上一篇

Python Web開發用的包

下一篇

python 小數據池