之后的进程池使用的是 ProcessPoolExecutor，它的底层使用的就是pool
为什么要有进程池?进程池的概念。
在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，
我们就需要去创建成千上万个进程么？首先，创建进程需要消耗时间，销毁进程也需要消耗时间。第二即便开启了成千上万的进程，
操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢？
在这里，要给大家介绍一个进程池的概念，定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，
等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，
任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，
那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。
Pool([numprocess [,initializer [, initargs]]]):创建进程池
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 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
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()''' 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。''' 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 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
方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
obj.ready():如果调用完成，返回True
obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
obj.wait([timeout]):等待结果变为可用。
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数
简单使用
import time from multiprocessing import Pool def fc(i): time.sleep(0.5) print('func%s'%i) if __name__ == '__main__': p = Pool(5) for i in range(5): p.apply(func=fc,args=(i,)) # 同步调用
同步调用apply
import time import random import os from multiprocessing import Pool def work(n): print('%s run' %os.getpid()) time.sleep(3) return n**2 if __name__ == '__main__': p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务 res_l=[] for i in range(10): res=p.apply(work,args=(i,)) #同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞，但不管该任务是否存在阻塞，同步调用都会在原地等着，只是等的过程中若是任务发生了阻塞就会被夺走cpu的执行权限 res_l.append(res) print(res_l) ''' 8440 run 17352 run 7280 run 8440 run 17352 run 7280 run 8440 run 17352 run 7280 run 8440 run [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] #这里面的结果每三个进程执行一次 '''
异步调用apply_async
import os import time import random from multiprocessing import Pool def work(n): print('%s run' %os.getpid()) time.sleep(random.random()) return n**2 if __name__ == '__main__': p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务 res_l=[] for i in range(10): res=p.apply_async(work,args=(i,)) # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行 # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务 # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束 # 而是执行完一个就释放一个进程，这个进程就去接收新的任务。 res_l.append(res) # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果 # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了 p.close() p.join() for res in res_l: print(res.get()) ''' 992 run 17040 run 16152 run 16152 run 17040 run 992 run 992 run 17040 run 16152 run 992 run 0 1 4 9 16 25 36 49 64 81 '''
详解apply和apply_async
1 apply
from multiprocessing import Process,Pool import time def func(msg): print('msg:',msg) time.sleep(1) return msg if __name__ == '__main__': pool=Pool(processes=3) res_l=[] for i in range(10): msg='hello %d'%i res=pool.apply(func,(msg,)) res_l.append(res) print('===================>') pool.close() pool.join() print(res_l) for i in res_l: print(i) ''' msg: hello 0 #一条一条出现 msg: hello 1 msg: hello 2 msg: hello 3 msg: hello 4 msg: hello 5 msg: hello 6 msg: hello 7 msg: hello 8 msg: hello 9 ===================> ['hello 0', 'hello 1', 'hello 2', 'hello 3', 'hello 4', 'hello 5', 'hello 6', 'hello 7', 'hello 8', 'hello 9'] hello 0 hello 1 hello 2 hello 3 hello 4 hello 5 hello 6 hello 7 hello 8 hello 9 '''
2 apply_async
from multiprocessing import Process,Pool import time def func(msg): print( "msg:", msg) time.sleep(1) return msg if __name__ == "__main__": pool = Pool(processes = 3) res_l=[] for i in range(10): msg = "hello %d" %(i) res=pool.apply_async(func, (msg, )) #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 res_l.append(res) print("==============================>") #没有后面的join，或get，则程序整体结束，进程池中的任务还没来得及全部执行完也都跟着主进程一起结束了 pool.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 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 print(res_l) #看到的是<multiprocessing.pool.ApplyResult object at 0x10357c4e0>对象组成的列表,而非最终的结果,但这一步是在join后执行的,证明结果已经计算完毕,剩下的事情就是调用每个对象下的get方法去获取结果 for i in res_l: print(i.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get ''' ==============================> msg: hello 0 #三条三条出现 msg: hello 1 msg: hello 2 msg: hello 3 msg: hello 4 msg: hello 5 msg: hello 6 msg: hello 7 msg: hello 8 msg: hello 9 [<multiprocessing.pool.ApplyResult object at 0x000001E1EEA8B9E8>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BAC8>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BBA8>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BC88>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BD68>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BE80>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA8BF98>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA9B0F0>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA9B208>, <multiprocessing.pool.ApplyResult object at 0x000001E1EEA9B320>] hello 0 #必须使用get取值 hello 1 hello 2 hello 3 hello 4 hello 5 hello 6 hello 7 hello 8 hello 9 '''
练习：使用进程池维护固定数目的进程
#Pool内的进程数默认是cpu核数，假设为4（查看方法os.cpu_count()） #开启6个客户端，会发现2个客户端处于等待状态 #在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程 from socket import * from multiprocessing import Pool import os server=socket(AF_INET,SOCK_STREAM) server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1) server.bind(('127.0.0.1',8080)) server.listen(5) def talk(conn,client_addr): print('进程pid: %s' %os.getpid()) while True: try: msg=conn.recv(1024) if not msg:break conn.send(msg.upper()) except Exception: break if __name__ == '__main__': p=Pool() #默认为cpu的核数，根据自己计算机情况来定 while True: conn,client_addr=server.accept() p.apply_async(talk,args=(conn,client_addr)) # p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问 它们始终都是在进程池中随机挑选一个进程响应客户端
from socket import * client=socket(AF_INET,SOCK_STREAM) client.connect(('127.0.0.1',8080)) while True: msg=input('>>: ').strip() if not msg:continue client.send(msg.encode('utf-8')) msg=client.recv(1024) print(msg.decode('utf-8'))
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
回调函数
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。
进程池的数量一般为CPU的个数加1
下面来看一个例子
import os from urllib.request import urlopen from multiprocessing import Pool def get_url(url): print('-->',url,os.getpid(),'get_url进程') ret = urlopen(url) # 打开url content = ret.read() # 读取网页内容 return url def call(url): # 回调函数 #分析 print(url,os.getpid(),'回调函数') if __name__ == '__main__': print(os.getpid(),'主进程') # 主进程id l = [ 'http://www.baidu.com', 'http://www.sina.com', 'http://www.sohu.com', 'http://www.sogou.com', 'http://www.qq.com', 'http://www.bilibili.com', ] p = Pool(5) ret_l = [] for url in l: ret = p.apply_async(func=get_url,args=[url,],callback=call) # 异步 ret_l.append(ret) # 将进程追加到列表中 for ret in ret_l:ret.get() # 获取进程返回值
上面的args=[url,]可以换成（）
结果：
''' 15652 主进程 ---> http://www.baidu.com 11672 get_url进程 ---> http://www.sina.com 8968 get_url进程 ---> http://www.sohu.com 17764 get_url进程 ---> http://www.sogou.com 5852 get_url进程 ---> http://www.qq.com 3260 get_url进程 ---> http://www.bilibili.com 11672 get_url进程 #由于进程池数量为5，这个pid复用 http://www.baidu.com 15652 回调函数 #下面的pid都是主进程的pid，证明回调函数是在主进程执行的 http://www.sohu.com 15652 回调函数 http://www.qq.com 15652 回调函数 http://www.sogou.com 15652 回调函数 http://www.bilibili.com 15652 回调函数 http://www.sina.com 15652 回调函数 #get_url函数中并没有打印，但是它的return结果传递给了call回调函数执行 '''
结论：在进程池中，一个任务对应的函数在执行完毕之后，其返回值会自动作为参数返回给回调函数
回调函数在主进程中执行的，回调函数是瞬间执行的，网络延时最占时长
如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数
from multiprocessing import Pool import time,random,os def work(n): time.sleep(1) return n**2 if __name__ == '__main__': p=Pool() res_l=[] for i in range(10): res=p.apply_async(work,args=(i,)) res_l.append(res) p.close() p.join() #等待进程池中所有进程执行完毕 nums=[] for res in res_l: nums.append(res.get()) #拿到所有结果 print(nums) #主进程拿到所有的处理结果,可以在主进程中进行统一进行处理