前言
1.創建進程
2.多進程中的Queue
3.多進程與多線程的性能比較
4.進程池pool
5.共享內存
6.進程鎖lock
前言現在我們的計算機都是多個核的，通俗來說就是多個處理或者計算單元。為了加快運算和處理速度，我們可以將不同的任務交給多個核心進行同時處理，從而提高了運算速度和效率，多個核心同時運作就是多個進程同時進行，這就是多進程。
1.創建進程創建進程和創建線程的方法基本一致，請看下面代碼：
# coding:utf-8# 導入多進程的包，並重命名為mpimport multiprocessing as mp# 主要工作def p1(): print("zxy")if __name__ == "__main__": # 創建新進程 new_process = mp.Process(target=p1, name="p1") # 啟動這個進程 new_process.start() # 阻塞該進程 new_process.join()控制台效果圖：
為什麼要在多進程中使用queue呢？
因為多進程和多線程一樣，在工作函數中，無法通過return返回進程函數中的結果，所以使用queue進行存儲結果，要用的時候再進行取出。
# coding:utf-8import timeimport multiprocessing as mp""" 使用多進程時，運行程序所用的時間"""def job1(q): res = 0 for i in range(100): res += i + i**5 +i**8 time.sleep(0.1) # 將結果放入隊列中 q.put(res)def job2(q): res = 0 for i in range(100): res += i + i**5 +i**8 time.sleep(0.1) q.put(res)if __name__ == "__main__": start_time = time.time() # 創建隊列 q = mp.Queue() # 創建進程1 process1 = mp.Process(target=job1, args=(q,)) # 創建進程2 process2 = mp.Process(target=job2, args=(q,)) process1.start() process2.start() # 通過隊列獲取值 res1 = q.get() res2 = q.get() print("res1為%d,res2為%d" % (res1, res2)) end_time = time.time() print("整個過程所用時間為%s" %(end_time-start_time))效果圖：
接下來使用多進程、多線程、以及什麼都不用的普通方法進行處理，看看他們三種方法的效率如何？
# coding:utf-8import multiprocessing as mpimport timeimport threading as th""" 多進程、多線程、普通方法的性能比較"""# 多進程工作def mp_job(res): for i in range(10000000): res += i**5 + i**6 print(res)# 多線程工作def mt_job(res): for i in range(10000000): res += i**5 + i**6 print(res)# 普通方法工作def normal_job(res): for i in range(10000000): res += i ** 5 + i ** 6 print(res)if __name__ == "__main__": mp_sum = 0 mp_start = time.time() process1 =mp.Process(target=mp_job, args=(mp_sum, )) process2 = mp.Process(target=mp_job, args=(mp_sum,)) process1.start() process2.start() process1.join() process2.join() mp_end = time.time() print("多進程使用時間為", (mp_end-mp_start)) mt_start = time.time() mt_sum = 0 thread1 = th.Thread(target=mt_job, args=(mt_sum, )) thread2 = th.Thread(target=mt_job, args=(mt_sum, )) thread1.start() thread2.start() thread1.join() thread2.join() mt_end = time.time() print("多線程使用的時間是", (mt_end-mt_start)) normal_start = time.time() normal_sum = 0 # 進行兩次 normal_job(normal_sum) normal_job(normal_sum) normal_end = time.time() print("普通方法使用的時間是", (normal_end-normal_start))效果圖：
實驗結果表明：多進程的效率確實高！！！
4.進程池pool進程池是干什麼用的呢？
進程池就是python的多進程提供的一個池子，將所有的進程都放在這個池子裡面，讓計算機自己去使用進程池中的資源，從而多進程處理一些程序，進而提高工作效率。
(1)默認使用進程池中全部進程時
# coding:utf-8import timeimport multiprocessing as mp""" 進程池pool的使用"""def job(num): time.sleep(1) return num * numif __name__ == "__main__": start_time = time.time() # 括號裡面不加參數時，默認使用進程池中所有進程 pool = mp.Pool() res = pool.map(job, range(10)) print(res) end_time = time.time() print("運行時間為", (end_time-start_time))效果圖：
（2）指定進程池中進程數時
# coding:utf-8import timeimport multiprocessing as mp""" 進程池pool的使用"""def job(num): time.sleep(1) return num * numif __name__ == "__main__": start_time = time.time() # 括號裡面加參數時，指定兩個進程進行處理 pool = mp.Pool(processes=2) res = pool.map(job, range(10)) print(res) end_time = time.time() print("運行時間為", (end_time-start_time))效果圖：
（3）不使用多進程時
# coding:utf-8import timedef job(res): for i in range(10): res.append(i*i) time.sleep(1)if __name__ == "__main__": start_time = time.time() res = [] job(res) print(res) end_time =time.time() print("不使用進程池所用時間為", (end_time-start_time))效果圖：
實驗結論：多進程處理事情，效率很高！！！核心越多，處理越快！
5.共享內存一個核心，我們多線程處理時，可以使用全局變量來共享數據。但是多進程之間是不行的，那我們多進程之間應該如何共享數據呢？
那就得用到共享內存了！
# coding:utf-8import multiprocessing as mp""" 共享內存"""if __name__ == "__main__": # 第一個參數是數據類型的代碼，i代表整數類型 # 第二個參數是共享數據的值 v = mp.Value("i", 0)6.進程鎖lock進程鎖和線程鎖的用法基本一致。進程鎖的誕生是為了避免多進程之間搶占共享數據，進而造成多進程之間混亂修改共享內存的局面。
（1）不加鎖之前
# coding:utf-8import multiprocessing as mpimport time""" 進程中的鎖lock"""def job(v, num): for i in range(10): v.value += num print(v.value) time.sleep(0.2)if __name__ == "__main__": # 多進程中的共享內存 v = mp.Value("i", 0) # 進程1讓共享變量每次加1 process1 = mp.Process(target=job, args=(v, 1)) # 進程2讓共享變量每次加3 process2 = mp.Process(target=job, args=(v, 3)) process1.start() process2.start()效果圖：
（2）加鎖之後
# coding:utf-8import multiprocessing as mpimport time""" 進程中的鎖lock"""def job(v, num, l): # 加鎖 l.acquire() for i in range(10): v.value += num print(v.value) time.sleep(0.2) # 解鎖 l.release()if __name__ == "__main__": # 創建進程鎖 l = mp.Lock() # 多進程中的共享內存 v = mp.Value("i", 0) process1 = mp.Process(target=job, args=(v, 1, l)) process2 = mp.Process(target=job, args=(v, 3, l)) process1.start() process2.start()效果圖：
到此這篇關於深入解析Python中的多進程的文章就介紹到這了,更多相關Python多進程內容請搜索軟件開發網以前的文章或繼續浏覽下面的相關文章希望大家以後多多支持軟件開發網！
