Python中进程的同步和池化
流程之间的同步
多重处理是一个支持使用API生成程序的程序包。该软件包用于本地和远程并发。使用此模块，程序员可以在给定的计算机上使用多个处理器。它可以在Windows和UNIX操作系统上运行。
该程序包中包含所有等效的同步原语。
范例程式码
from multiprocessing import Process, Lock
def my_function(x, y):
x.acquire()
print ('hello world', y)
x.release()
if __name__ == '__main__':
lock = Lock() for num in range(10):
Process(target= my_function, args=(lock, num)).start()在这里，一个实例可以锁定以确保一次只能有一个进程显示标准输出。
汇集
对于池，我们使用Pool类。当一个人可以创建一个流程池时，它将承载提交给它的所有任务。
class multiprocessing.Pool([processes[, initializer[, initargs[, maxtasksperchild]]]])
池对象控制工作池以选择可以提交的作业，它支持异步结果，该结果具有超时，回调和并行映射实现。
如果进程为空，则使用cpu_count()；如果初始化为非none，则使用initializer（*initargs）调用此函数。
apply(func[, args[, kwds]])
这与apply()内置功能相同。在结果准备就绪之前，此方法将一直阻塞，如果要并行执行，则apply_async()方法更好。
apply_async(func[, args[, kwds[, callback]]])
返回结果对象。
map（func，可迭代[，chunksize]）
map()是一个内置函数，它仅支持一个可迭代的参数。它会阻塞直到结果准备就绪。
在这种方法中，可迭代分解成许多小块，并将这些小部分作为单独的任务提交给进程池。
map_async（func，iterable[，chunksize[，callback]]）
返回结果对象。
imap（func，iterable[，chunksize]）
与itertools.imap()相同。
参数的大小与中使用的相同map()。
imap_unordered（func，iterable[，chunksize]）
这与imap()重新调整迭代器的顺序相同。
关()
工作人员完成所有任务后，工作人员将退出流程。
终止()
如果我们要立即停止工作进程而不完成任务，则使用此方法。
加入()
在使用join()方法之前，必须使用close()和terminate()函数。
类multiprocessing.pool.AsyncResult
由Pool.apply_async()和Pool.map_async()返回。
get（[超时]）
此函数在到达时返回结果。
等待（[超时]）
使用此等待功能，我们等待结果可用或直到超时秒过去。
准备()
此函数返回呼叫是否完成。
成功()
调用完成后无任何错误，此函数将返回。
范例程式码
# -*- coding: utf-8 -*- """ Created on Sun Sep 30 12:17:58 2018 @author: nhooo.com """ from multiprocessing import Pool import time def myfunction(m): return m*m if __name__ == '__main__': my_pool = Pool(processes=4) # start 4 worker processes result = my_pool.apply_async(myfunction, (10,)) # evaluate "f(10)" asynchronously in a single process print (result.get(timeout=1)) print (my_pool.map(myfunction, range(10))) # prints "[0, 1, 4,..., 81]" my_it = my_pool.imap(myfunction, range(10)) print (my_it.next() ) # prints "0" print (my_it.next() ) # prints "1" print (my_it.next(timeout=1) ) # prints "4" unless your computer is *very* slow result = my_pool.apply_async(time.sleep, (10,)) print (result.get(timeout=1) ) # raises multiprocessing.TimeoutError