python 进程池multiprocessing.Pool

最新推荐文章于 2025-04-15 19:51:03 发布

wenfei852283049

最新推荐文章于 2025-04-15 19:51:03 发布

阅读量1.3k

点赞数 1

分类专栏： python多进程文章标签： python

原文链接：https://zhuanlan.zhihu.com/p/103135242

版权

python多进程专栏收录该内容

1 篇文章

订阅专栏

文章介绍了Python中的进程池Pool的概念，强调了使用进程池管理多进程以节省资源的重要性。Pool提供了apply、apply_async、map和map_async等方法来执行任务，其中apply是阻塞的，而async版本是非阻塞并支持回调。文章还给出了一个使用Pool的示例，展示了如何限制同时运行的进程数以及如何关闭和等待进程结束。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python进程池Pool 和前面讲解的python线程池类似，虽然使用多进程能提高效率，但是进程的创建会消耗大量的计算机资源（进程Process的创建远远大于线程Thread创建占用的资源），线程是计算机最小的运行单位，连线程都需要使用线程池，进程有什么理由不使用进程池？

需要注意的是，在Windows上要想使用进程模块，就必须把有关进程的代码写在if __name__ == ‘__main__’ 内，否则在Windows下使用进程模块会产生异常。Unix/Linux下则不需要。

一.进程池Pool介绍

Pool类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，就会创建一个新的进程来执行请求。如果池满，请求就会告知先等待，直到池中有进程结束，才会创建新的进程来执行这些请求。

# 导入进程模块
import multiprocessing
 
# 最多允许3个进程同时运行
pool = multiprocessing.Pool(processes = 3)

1、apply() — 该函数用于传递不定参数，主进程会被阻塞直到函数执行结束（不建议使用，并且3.x以后不在出现），函数原型如下：

apply(func, args=(), kwds={})

2、apply_async — 与apply用法一致，但它是非阻塞的且支持结果返回后进行回调，函数原型如下：

apply_async(func[, args=()[, kwds={}[, callback=None]]])

3、map() — Pool类中的map方法，与内置的map函数用法基本一致，它会使进程阻塞直到结果返回，函数原型如下：

map(func, iterable, chunksize=None)

注意：虽然第二个参数是一个迭代器，但在实际使用中，必须在整个队列都就绪后，程序才会运行子进程。

4、map_async() — 与map用法一致，但是它是非阻塞的。其有关事项见apply_async，函数原型如下：

map_async(func, iterable, chunksize, callback)

5、close() — 关闭进程池（pool），使其不在接受新的任务。

6、terminal() — 结束工作进程，不在处理未处理的任务。

7、join() — 主进程阻塞等待子进程的退出， join方法要在close或terminate之后使用。

二.进程池Pool使用

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): https://www.codersrc.com
@Github:www.github.com
 
@File:python_process_Pool.py
@Time:2020/1/1 21:25
 
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
import multiprocessing
import time
 
 
def func(msg):
 print("in:", msg)
 time.sleep(3)
 print("out,", msg)
 
if __name__ == "__main__":
 # 这里设置允许同时运行的的进程数量要考虑机器cpu的数量，进程的数量最好别小于cpu的数量，
 # 因为即使大于cpu的数量，增加了任务调度的时间，效率反而不能有效提高
 pool = multiprocessing.Pool(processes = 3)
 item_list = ['processes1' ,'processes2' ,'processes3' ,'processes4' ,'processes5' ,]
 count = len(item_list)
 for item in item_list:
 msg = "python教程 %s" %item
 # 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
 pool.apply_async(func, (msg,))
 
 pool.close()
 pool.join() # 调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束

输出结果：

in: python教程 processes1
in: python教程 processes2
in: python教程 processes3
out, python教程 processes1
in: python教程 processes4
out, python教程 processes2
in: python教程 processes5
out, python教程 processes3
out, python教程 processes4
out, python教程 processes5

代码分析：

5个任务，3个进程，由于在进程池构造的时候允许同时最多执行3个进程，所以同时执行任务1/任务2/任务3，重代码的输出结果来看，任务1/任务2/任务3执行后，for循环进入阻塞状态，直到任务1/任务2/任务3其中一个结束之后才会for才会继续执行任务4/任务5，并保证同时执行的最多只有3个任务（进程池multiprocessing.Pool 和线程池ThreadPoolExecutor 原理相同）.