multiprocessing Pool怎么在Python中使用

這篇文章將為大家詳細講解有關multiprocessing Pool怎么在Python中使用，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

python有哪些常用庫

python常用的庫：1.requesuts；2.scrapy；3.pillow；4.twisted；5.numpy；6.matplotlib；7.pygama；8.ipyhton等。

1. 背景

由于需要寫python程序, 定時、大量發送htttp請求，并對結果進行處理。

參考其他代碼有進程池，記錄一下。

2. 多進程 vs 多線程

• c++程序中，單個模塊通常是單進程，會啟動幾十、上百個線程，充分發揮機器性能。(目前c++11有了std::thread編程多線程很方便，可以參考我之前的博客)

• shell腳本中，都是多進程后臺執行。({ ...} &， 可以參考我之前的博客，實現shell并發處理任務)

• python腳本有多線程和多進程。由于python全局解鎖鎖的GIL的存在,一般建議 CPU密集型應該采用多進程充分發揮多核優勢，I/O密集型可以采用多線程。

盡管Python完全支持多線程編程， 但是解釋器的C語言實現部分在完全并行執行時并不是線程安全的。
實際上，解釋器被一個全局解釋器鎖保護著，它確保任何時候都只有一個Python線程執行。
GIL最大的問題就是Python的多線程程序并不能利用多核CPU的優勢 （比如一個使用了多個線程的計算密集型程序只會在一個單CPU上面運行）。

3. multiprocessing pool使用例子

對Pool對象調用join()方法會等待所有子進程執行完畢，調用join()之前必須先調用close()，讓其不再接受新的Process了

#coding=utf-8
import logging
import time
from multiprocessing import Pool
logging.basicConfig(level=logging.INFO, filename='logger.log')
class Point:
  def __init__(self, x = 0, y= 0):
    self.x = x
    self.y = y
  def __str__(self):
    return "(%d, %d)" % (self.x, self.y)
def fun1(point):
  point.x = point.x + 3
  point.y = point.y + 3
  time.sleep(1)
  return point
def fun2(x):
  time.sleep(1)
  logging.info(time.ctime() + ", fun2 input x:" + str(x))
  return x * x
if __name__ == '__main__':
  pool = Pool(4)
  #test1
  mylist = [x for x in range(10)]
  ret = pool.map(fun2, mylist)
  print ret
  #test2
  mydata = [Point(x, y) for x in range(3) for y in range(2)]
  res = pool.map(fun1, mydata)
  for i in res:
    print str(i)
  #end
  pool.close()
  pool.join()
  print "end"

運行結果：

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
(3, 3)
(3, 4)
(4, 3)
(4, 4)
(5, 3)
(5, 4)
end

關于multiprocessing Pool怎么在Python中使用就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。