1、启动一个新的进程
其实启动一个新的进程和启动一个线程的格式是一样的，只不过启动进程是需要从multiprocessing中导入Process(注意此处的Process首字母是大写的）
格式如下：
from multiprocessing import Process def f(name): print('The f is running !') if __name__ == '__main__': p = Process(target=f,args=('balabala',)) p.start()
2、进程间的通信
由于进程是资源的集合，所以进程之间是不能相互访问的，是独立的。
2.1 Queue 其实用法和线程中的队列是一样的，需要从multiprocessing 导入Queue
from multiprocessing import Queue,Process import os def f(t): t.put(['孙悟空','美猴王',500]) print('The current PID f:',os.getppid(),os.getpid()) if __name__ == '__main__': q = Queue() print('The current PID:', os.getpid()) p = Process(target=f,args=(q,)) p.start() print('The data is :',q.get())
运行结果为：
The current PID: 8748
The current PID f: 8748 15712
The data is : ['孙悟空', '美猴王', 500]
可以看出，这是两个进程，进程之间的通信和线程中的队列是一个道理，一个进程把数据放到队列中，另一个程序取队列里边取数据，相当于通过中间的池子作为联系的纽带！！
2.2通过Pipes管道通讯
from multiprocessing import Pipe,Process def f(t): t.send(['孙悟空','美猴王',1000]) t.close() if __name__ == '__main__': one_hand,other_hand = Pipe() p = Process(target=f,args=(other_hand,)) p.start() print('The one_hand receive data:',one_hand.recv()) p.join()
这个模型等价于生成一个管子，两个进程一端一个，一段发送，另一端接受，至于哪个程序在那一段无所谓，都可以！！当然子线程发送给，父进程接受一样也是可以的！！
2.3Manager代理者
from multiprocessing import Manager,Process import os def f(f_dict,f_list): f_dict[1] = 'a' f_dict[2] = 'b' f_dict[3] = 'c' f_dict[os.getpid()] = os.getpid() print('f_list:',f_list) print('f_dict:',f_dict) if __name__ == '__main__': manager = Manager() m_dict = manager.dict() m_list = manager.list(range(5)) p_list = [] for i in range(10): p = Process(target=f,args=(m_dict,m_list)) p.start() p_list.append(p) for p in p_list: p.join()
其实Manager和Queue效果是一样的，只不过Queue只是生成一种队列，也就是一种类型的池子，而Manager可以生成多种不同类型的池子，可以在池子里放的类型更多了。道理是一样的！！
3、进程同步
from multiprocessing import Process,Lock,Pipe import os,time def f(lock,an,n): lock.acquire() print('The recv data {n}:'.format(n = n),an.recv()) lock.release() if __name__ == '__main__': lock = Lock() one, another = Pipe() for i in range(10): one.send('伟大的祖国！！') p = Process(target=f,args=(lock,another,i)) p.start()
虽然不同进程之间的数据是相互独立的，但是比如不同进程在想屏幕上输出数据是，他们是公用的一块屏幕啊，这就有可能第一个进程在向屏幕输出数据还没输出完毕时，第二个进程就开始向屏幕输出数据了，这时就有可能是进程在向屏幕输出数据是出现乱了。
4、进程池
进程池需要导入multiprocessing中的Pool
进程池有两种方法一种是apply也就是串行，另一种是apply_async,这种是并行，例如运行100个进程，但是pool的数据为5，那意思就是5个进程并行运行，运行结束后和下边的5个并行进程串行运行。
from multiprocessing import Process,Pool import os,time def f(a): time.sleep(2) print('The current data:',a) return a + 100 def back(ar): print('The main func has runned,the back func is running!!',ar) if __name__ == '__main__': pool = Pool(3) for i in range(10): # pool.apply(func = f,args = (i,)) pool.apply_async(func=f, args=(i,), callback=back) //callback回调函数的参数为func调用函数的返回值，如果没有返回值，则程序出错 print('End!!') pool.close() //这里要注意pool先关闭，然后再等待进程运行，否则进程直接关闭。 pool.join()
运行结果如下：
End!!
The current data: 0
The main func has runned,the back func is running!! 100 //callback函数的参数为func函数的返回值
The current data: 1
The current data: 2
The main func has runned,the back func is running!! 101
The main func has runned,the back func is running!! 102
The current data: 3
The main func has runned,the back func is running!! 103
The current data: 5
The current data: 4
The main func has runned,the back func is running!! 105
The main func has runned,the back func is running!! 104
The current data: 6
The main func has runned,the back func is running!! 106
The current data: 7
The current data: 8
The main func has runned,the back func is running!! 108
The main func has runned,the back func is running!! 107
The current data: 9
The main func has runned,the back func is running!! 109
Process finished with exit code 0