要让Python程序实现多进程（multiprocessing），咱们先了解操做系统的相关知识。php
Unix/Linux操做系统提供了一个fork()系统调用，它很是特殊。普通的函数调用，调用一次，返回一次，可是fork()调用一次，返回两次，由于操做系统自动把当前进程（称为父进程）复制了一份（称为子进程），而后，分别在父进程和子进程内返回。python
子进程永远返回0，而父进程返回子进程的ID。这样作的理由是，一个父进程能够fork出不少子进程，因此，父进程要记下每一个子进程的ID，而子进程只须要调用getppid()就能够拿到父进程的ID。sql
Python的os模块封装了常见的系统调用，其中就包括fork，能够在Python程序中轻松建立子进程：服务器
# multiprocessing.py import os print 'Process (%s) start...' % os.getpid() pid = os.fork() if pid==0: print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid()) else: print 'I (%s) just created a child process (%s).' % (os.getpid(), pid)
运行结果以下：app
Process (876) start... I (876) just created a child process (877). I am child process (877) and my parent is 876.
因为Windows没有fork调用，上面的代码在Windows上没法运行。因为Mac系统是基于BSD（Unix的一种）内核，因此，在Mac下运行是没有问题的，推荐你们用Mac学Python！dom
有了fork调用，一个进程在接到新任务时就能够复制出一个子进程来处理新任务，常见的Apache服务器就是由父进程监听端口，每当有新的http请求时，就fork出子进程来处理新的http请求。async
multiprocessing
若是你打算编写多进程的服务程序，Unix/Linux无疑是正确的选择。因为Windows没有fork调用，难道在Windows上没法用Python编写多进程的程序？函数
因为Python是跨平台的，天然也应该提供一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。ui
multiprocessing模块提供了一个Process类来表明一个进程对象，下面的例子演示了启动一个子进程并等待其结束：spa
from multiprocessing import Process import os # 子进程要执行的代码 def run_proc(name): print 'Run child process %s (%s)...' % (name, os.getpid()) if __name__=='__main__': print 'Parent process %s.' % os.getpid() p = Process(target=run_proc, args=('test',)) print 'Process will start.' p.start() p.join() print 'Process end.'
执行结果以下：
Parent process 928.
Process will start. Run child process test (929)... Process end.
建立子进程时，只须要传入一个执行函数和函数的参数，建立一个Process实例，用start()方法启动，这样建立进程比fork()还要简单。
join()方法能够等待子进程结束后再继续往下运行，一般用于进程间的同步。
Pool
若是要启动大量的子进程，能够用进程池的方式批量建立子进程：
from multiprocessing import Pool import os, time, random def long_time_task(name): print 'Run task %s (%s)...' % (name, os.getpid()) start = time.time() time.sleep(random.random() * 3) end = time.time() print 'Task %s runs %0.2f seconds.' % (name, (end - start)) if __name__=='__main__': print 'Parent process %s.' % os.getpid() p = Pool() for i in range(5): p.apply_async(long_time_task, args=(i,)) print 'Waiting for all subprocesses done...' p.close() p.join() print 'All subprocesses done.'
执行结果以下：
Parent process 669. Waiting for all subprocesses done... Run task 0 (671)... Run task 1 (672)... Run task 2 (673)... Run task 3 (674)... Task 2 runs 0.14 seconds. Run task 4 (673)... Task 1 runs 0.27 seconds. Task 3 runs 0.86 seconds. Task 0 runs 1.41 seconds. Task 4 runs 1.91 seconds. All subprocesses done.
代码解读：
对Pool对象调用join()方法会等待全部子进程执行完毕，调用join()以前必须先调用close()，调用close()以后就不能继续添加新的Process了。
请注意输出的结果，task 0，1，2，3是马上执行的，而task 4要等待前面某个task完成后才执行，这是由于Pool的默认大小在个人电脑上是4，所以，最多同时执行4个进程。这是Pool有意设计的限制，并非操做系统的限制。若是改为：
p = Pool(5)
就能够同时跑5个进程。
因为Pool的默认大小是CPU的核数，若是你不幸拥有8核CPU，你要提交至少9个子进程才能看到上面的等待效果。
进程间通讯
Process之间确定是须要通讯的，操做系统提供了不少机制来实现进程间的通讯。Python的multiprocessing模块包装了底层的机制，提供了Queue、Pipes等多种方式来交换数据。
咱们以Queue为例，在父进程中建立两个子进程，一个往Queue里写数据，一个从Queue里读数据：
from multiprocessing import Process, Queue import os, time, random # 写数据进程执行的代码: def write(q): for value in ['A', 'B', 'C']: print 'Put %s to queue...' % value q.put(value) time.sleep(random.random()) # 读数据进程执行的代码: def read(q): while True: value = q.get(True) print 'Get %s from queue.' % value if __name__=='__main__': # 父进程建立Queue，并传给各个子进程： q = Queue() pw = Process(target=write, args=(q,)) pr = Process(target=read, args=(q,)) # 启动子进程pw，写入: pw.start() # 启动子进程pr，读取: pr.start() # 等待pw结束: pw.join() # pr进程里是死循环，没法等待其结束，只能强行终止: pr.terminate()
运行结果以下：
Put A to queue...
Get A from queue. Put B to queue... Get B from queue. Put C to queue... Get C from queue.
在Unix/Linux下，multiprocessing模块封装了fork()调用，使咱们不须要关注fork()的细节。因为Windows没有fork调用，所以，multiprocessing须要“模拟”出fork的效果，父进程全部Python对象都必须经过pickle序列化再传到子进程去，全部，若是multiprocessing在Windows下调用失败了，要先考虑是否是pickle失败了。
小结
在Unix/Linux下，可使用fork()调用实现多进程。
要实现跨平台的多进程，可使用multiprocessing模块。
进程间通讯是经过Queue、Pipes等实现的。