摘要：另外，返回的兩個如果一個是數據那么另外一個就只能接收數據了已經執行到子進程等待所有子進程跑完下面打印向傳輸的信息輸出為三在進行并發編程時，應盡量避免使用共享狀態，因為多進程同時修改數據會導致數據破壞。

前言：

python多進程，經常在使用，卻沒有怎么系統的學習過，官網上面講得比較細，結合自己的學習，整理記錄下
官網:https://docs.python.org/3/library/multiprocessing.html

multiprocessing是python自帶的多進程模塊，可以大批量的生成進程，在服務器為多核CPU時效果更好，類似于threading模塊。相對于多線程，多進程由于獨享內存空間，更穩定安全，在運維里面做些批量操作時，多進程有更多適用的場景

multiprocessing包提供了本地和遠程兩種并發操作,有效的避開了使用子進程而不是全局解釋鎖的線程，因此，multiprocessing可以有效利用到多核處理

在multiporcessing中，通過Process類對象來批量產生進程，使用start()方法來啟動這個進程

multiprocessing.Process(group=None,target=None,name=None,args=(),kwargs={},*)

group: 這個參數一般為空，它只是為了兼容threading.Tread
target: 這個參數就是通過run()可調用對象的方法，默認為空，表示沒有方法被調用
name: 表示進程名
args: 傳給target調用方法的tuple(元組)參數
kwargs: 傳給target調用方法的dict(字典)參數

run()
該方法是進程的運行過程，可以在子類中重寫此方法，一般也很少去重構

start()
啟動進程，每個進程對象都必須被該方法調用

join([timeout])
等待進程終止，再往下執行，可以設置超時時間

name
可以獲取進程名字,多個進程也可以是相同的名字

is_alive()
返回進程是否還存活，True or False，進程存活是指start()開始到子進程終止

daemon
守護進程的標記，一個布爾值，在start()之后設置該值，表示是否后臺運行
注意：如果設置了后臺運行，那么后臺程序不運行再創建子進程

pid
可以獲取進程ID

exitcode
子進程退出時的值，如果進程還沒有終止，值將是None,如果是負值，表示子進程被終止

terminate()
終止進程，如果是Windows，則使用terminateprocess()，該方法對已經退出和結束的進程，將不會執行

以下為一個簡單的例子:

#-*- coding:utf8 -*- 
import multiprocessing
import time

def work(x):
   time.sleep(1)
   print time.ctime(),"這是子進程[{0}]...".format(x)

if __name__ == "__main__":
    for i in range(5):
        p = multiprocessing.Process(target=work,args=(i,))
        print "啟動進程數:{0}".format(i)
        p.start()
        p.deamon = True

當然也可以顯示每個進程的ID

#-*- coding:utf8 -*- 
import multiprocessing
import time
import os

def work(x):
   time.sleep(1)
   ppid = os.getppid()
   pid  = os.getpid()
   print time.ctime(),"這是子進程[{0},父進程:{1},子進程:{2}]...".format(x,ppid,pid)

if __name__ == "__main__":
    for i in range(5):
        p = multiprocessing.Process(target=work,args=(i,))
        print "啟動進程數:{0}".format(i)
        p.start()
        p.deamon = True

但在實際使用的過程中，并不只是并發完就可以了，比如，有30個任務，由于服務器資源有限，每次并發5個任務，這里還涉及到30個任務怎么獲取的問題，另外并發的進程任務執行時間很難保證一致，尤其是需要時間的任務，可能并發5個任務，有3個已經執行完了，2個還需要很長時間執行，總不能等到這兩個進程執行完了，再繼續執行后面的任務，因此進程控制就在此有了使用場景，可以利用Process的方法和一些multiprocessing的包，類等結合使用

類似于python自帶的Queue.Queue，主要用在比較小的隊列上面
語法：

multiprocessing.Queue([maxsize])

類方法：
qsize()
返回隊列的大致大小，因為多進程或者多線程一直在消耗隊列，因此該數據不一定正確

empty()
判斷隊列是否為空，如果是，則返回True，否則False

full()
判斷隊列是否已滿，如果是，則返回True，否則False

put(obj[, block[, timeout]])
將對象放入隊列，可選參數block為True，timeout為None

get()
從隊列取出對象

#-*- coding:utf8 -*-
from multiprocessing import Process, Queue

def f(q):
    q.put([42,None,"hi"])

if __name__ == "__main__":
    q = Queue()
    p = Process(target=f, args=(q,))
    p.start()
    print q.get()  #打印內容: [42,None,"hi"]
    p.join()

pipe()函數返回一對對象的連接，可以為進程間傳輸消息，在打印一些日志、進程控制上面有一些用處，Pip()對象返回兩個對象connection，代表兩個通道，每個connection對象都有send()和recv()方法，需要注意的是兩個或以上的進程同時讀取或者寫入同一管道，可能會導致數據混亂，測試了下，是直接覆蓋了。另外，返回的兩個connection,如果一個是send()數據,那么另外一個就只能recv()接收數據了

#-*- coding:utf8 -*-
from multiprocessing import Process, Pipe
import time
def f(conn,i):
    print "[{0}]已經執行到子進程:{1}".format(time.ctime(),i)
    time.sleep(1)
    w = "[{0}]hi,this is :{1}".format(time.ctime(),i)
    conn.send(w)
    conn.close()

if __name__ == "__main__":
    reader = []
    parent_conn, child_conn = Pipe()
    for i in range(4):
        p = Process(target=f, args=(child_conn,i))
        p.start()
        reader.append(parent_conn)
        p.deamon=True

    # 等待所有子進程跑完
    time.sleep(3)
    print "
[{0}]下面打印child_conn向parent_conn傳輸的信息:".format(time.ctime())
    for i in reader:
        print i.recv()

輸出為：

在進行并發編程時，應盡量避免使用共享狀態，因為多進程同時修改數據會導致數據破壞。但如果確實需要在多進程間共享數據，multiprocessing也提供了方法Value、Array

from multiprocessing import Process, Value, Array

def f(n, a):
    n.value = 3.1415927
    for i in range(len(a)):
        a[i] = -a[i]

if __name__ == "__main__":
    num = Value("d",0.0)
    arr = Array("i", range(10))

    p = Process(target=f, args=(num, arr))
    p.start()
    p.join()

    print num.value
    print arr[:]

*print
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]*

Manager類管理進程使用得較多，它返回對象可以操控子進程，并且支持很多類型的操作，如: list, dict, Namespace、lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value, Array，因此使用Manager基本上就夠了

from multiprocessing import Process, Manager

def f(d, l):
    d[1] = "1"
    d["2"] = 2
    d[0.25] = None
    l.reverse()

if __name__ == "__main__":
    with Manager() as manager:
        d = manager.dict()
        l = manager.list(range(10))

        p = Process(target=f, args=(d, l))
        p.start()
        p.join() #等待進程結束后往下執行
        print d,"
",l

輸出：
{0.25: None, 1: "1", "2": 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
可以看到，跟共享數據一樣的效果，大部分管理進程的方法都集成到了Manager()模塊了

    #-*- coding:utf8 -*-
    from multiprocessing import Process, Queue
    import time
    
    def work(pname,q):
        time.sleep(1)
        print_some = "{0}|this is process: {1}".format(time.ctime(),pname)
        print print_some
        q.put(pname)
    
    if __name__ == "__main__":
        p_manag_num = 2  # 進程并發控制數量2
        # 并發的進程名
        q_process = ["process_1","process_2","process_3","process_4","process_5"]
        q_a = Queue() # 將進程名放入隊列
        q_b = Queue() # 將q_a的進程名放往q_b進程,由子進程完成
    
        for i in q_process:
            q_a.put(i)
    
        p_list = [] # 完成的進程隊列
        while not q_a.empty():
            if len(p_list) <= 2:
                pname=q_a.get()
                p = Process(target=work, args=(pname,q_b))
                p.start()
                p_list.append(p)
                print pname
    
            for p in p_list:
                if not p.is_alive():
                    p_list.remove(p)
    
        # 等待5秒,預估執行完后看隊列通信信息
        # 當然也可以循環判斷隊列里面的進程是否執行完成
        time.sleep(5)
        print "打印p_b隊列:"
        while not q_b.empty():
            print q_b.get()

執行結果: