python 进程池

　　在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量的时间。多进程是实现并发的手段之一，需要注意的问题是：

　　1)很明显需要并发执行的任务通常要远大于核数

　　2)一个操作系统不可能无限开启进程，通常有几个核就开几个进程

　　3)进程开启过多，效率反而会下降(开启进程是需要占用系统资源的，而且开启多余核数目的进程也无法做到并行)

　　例如当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，十几个还好，但如果是上百个，上千个。。。手动的去限制进程数量却又太过繁琐，此时可以发挥进程池的功效。

　　我们就可以通过维护一个进程池来控制进程数目，比如httpd的进程模式，规定最小进程数和最大进程数...

　　对于远程过程调用的高级应用程序而言，应该使用进程池，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，就重用进程池中的进程。

　　创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务，不会开启其他进程

　　1 Pool([numprocess [,initializer [, initargs]]]):创建进程池

　　参数介绍：

　　1 numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值

　　2 initializer：是每个工作进程启动时要执行的可调用对象，默认为None

　　3 initargs：是要传给initializer的参数组

　　主要方法：

　　1 p.apply(func [, args [, kwargs]])

　　在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

　　需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()

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

　　在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

　　此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，

　　将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。

　　3 p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成

　　4 P.jion():等待所有工作进程退出。此方法只能在close()或teminate()之后调用

　　应用

　　同步调用applay

　　异步调用apply_async

　　apply_async与apply详解

　　使用进程池维护固定数目的进程

　　server端

　　客户端

　　发现：并发开启多个客户端，服务端同一时间只有3个不同的pid，干掉一个客户端，另外一个客户端才会进来，被3个进程之一处理

　　回掉函数：

　　需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数

　　我们可以把耗时间(阻塞)的任务放到进程池中，然后指定回调函数(主进程负责执行)，这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。

　　以上内容为大家介绍了python 进程池，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注多测师。https://www.e70w.com/xwzx/