當要進行CPU密集型任務，推薦使用python多程序；反之如果是IO密集型任務，推薦python多執行緒。

下面採用程序池pool講解程式碼寫法：

import multiprocessing
import time
import os

if __name__ == '__main__':
processing_pool()

def processing_pool():
# 在程序池中準備 2 個程序
pool = multiprocessing.Pool(2)

# 共有 4 個任務要執行
# 2 個程序要去執行 4 個任務，程序數是不夠的
# 程序池的機制為，當一個程序執行完任務後將重新回到程序池中備用
# 如果還有任務要執行，那麼就從程序池中拿出空閒的程序使用
for i in range(4):
pool.apply_async(run, args=(i, ))
# 先關閉程序池，意思為程序池不再接受新的任務
pool.close()
# 將程序加入到主程序中，防止子程序尚未結束，主程序已經執行完，導致殺死子程序。
# 如果沒有 pool.join()，那麼主程序在執行完 pool.close() 後其程式碼結束，所以主程序會關閉。
# 而加入 pool.join() 意味著子程序的程式碼也算在主程序程式碼內，子程序沒完，則主程序也沒完
# 此時主程序會等待子程序結束後再結束。
pool.join()

def run(i):
print(f"job_id:{i}")
# 當 n==3 時，當前程序任務執行完畢
for n in range(3):
time.sleep(0.5)
print(f"p_id:{i} n:{n+1}")
print(f"job_id:{i} ----- stop! ")

執行結果為：

job_id:0
job_id:1
p_id:0 n:1
p_id:1 n:1
p_id:0 n:2
p_id:1 n:2
p_id:0 n:3
job_id:0 ----- stop!
job_id:2
p_id:1 n:3
job_id:1 ----- stop!
job_id:3
p_id:2 n:1
p_id:3 n:1
p_id:2 n:2
p_id:3 n:2
p_id:2 n:3
job_id:2 ----- stop!
p_id:3 n:3
job_id:3 ----- stop!