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。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，10幾個還好，但如果是上百個，上千個目標，手動的去限制進程數量卻又太過繁瑣，這時候進程池Pool發揮作用的時候就到了。
????? 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，
才會創建新的進程來它。 這里有一個簡單的例子：
?
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
? ?
?
? ?
? ?
|
?
先創建容量為3的進程池，然后將f(i)依次傳遞給它，運行腳本后利用ps aux | grep pool.py查看進程情況，會發現最多只會有三個進程執行。pool.apply_async()用來向進程池提交目標請求，pool.join()是用來等待進程池中的worker進程執行完畢，防止主進程在worker進程結束前結束。但必pool.join()必須使用在pool.close()或者pool.terminate()之后。其中close()跟terminate()的區別在于close()會等待池中的worker進程執行結束再關閉pool,而terminate()則是直接關閉。result.successful()表示整個調用執行的狀態，如果還有worker沒有執行完，則會拋出AssertionError異常。
????利用multiprocessing下的Pool可以很方便的同時自動處理幾百或者上千個并行操作，腳本的復雜性也大大降低.
?
python中multiprocessing.pool函數介紹
?
一?apply(func[, args[, kwds]])
???apply用于傳遞不定參數，同python中的apply函數一致（不過內置的apply函數從2.3以后就不建議使用了），主進程會阻塞于函數。
for x in gen_list(l):
????result = pool.apply(pool_test, (x,))
????print 'main process'
這個時候主進程的執行流程同單進程一致
二?apply_async(func[, args[, kwds[, callback]]])
???與apply用法一致，但它是非阻塞的且支持結果返回后進行回調。
for x in gen_list(l):
????result = pool.apply_async(pool_test, (x,))
????print 'main process'
???這個時候主進程循環運行過程中不等待apply_async的返回結果，在主進程結束后，即使子進程還未返回整個程序也會就退出。雖然 apply_async是非阻塞的，但其返回結果的get方法卻是阻塞的，在本例中result.get()會阻塞主進程。因此可以這樣來處理返回結果：
????[x.get() for x in [pool.apply_async(pool_test, (x,)) for x in gen_list(l)]]
如果我們對返回結果不感興趣， 那么可以在主進程中使用pool.close與pool.join來防止主進程退出。注意join方法一定要在close或terminate之后調用。
????for x in gen_list(l):
????pool.apply_async(pool_test, (x, ))
????print 'main_process'
????pool.close()
????pool.join()
三?map(func, iterable[, chunksize])
???
map方法與內置的map函數行為基本一致，在它會使進程阻塞與此直到結果返回。
???但需注意的是其第二個參數雖然描述的為iterable, 但在實際使用中發現只有在整個隊列全部就緒后，程序才會運行子進程。
四?map_async(func, iterable[, chunksize[, callback]])
???與map用法一致，但是它是非阻塞的。其有關事項見apply_async。
五?imap(func, iterable[, chunksize])
???與map不同的是， imap的返回結果為iter，需要在主進程中主動使用next來驅動子進程的調用。即使子進程沒有返回結果，主進程對于gen_list(l)的 iter還是會繼續進行， 另外根據python2.6文檔的描述，對于大數據量的iterable而言，將chunksize設置大一些比默認的1要好。
???for x in pool.imap(pool_test, gen_list(l)):
???????pass
六?imap_unordered(func, iterable[, chunksize])
???同imap一致，只不過其并不保證返回結果與迭代傳入的順序一致。
七?close()
???關閉pool，使其不在接受新的任務。
八?terminate()
???結束工作進程，不在處理未處理的任務。
九?join()
???主進程阻塞等待子進程的退出， join方法要在close或terminate之后使用。
?
l = range(10)
def gen_list(l):
????for x in l:
????????print 'yield', x
????????yield x
def pool_test(x):
????print 'f2', x
????time.sleep(1)
?
我可以輸,但我不會認輸
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
