python多執行緒適合IO密集型場景，而在CPU密集型場景，並不能充分利用多核CPU，而協程本質基於執行緒，同樣不能充分發揮多核的優勢。

針對計算密集型場景需要使用多程序，python的multiprocessing與threading模組非常相似，支援用程序池的方式批量建立子程序。

• 建立單個Process程序(使用func)

只需要例項化Process類，傳遞函式給target引數，這點和threading模組非常的類似，args為函式的引數

import os
from multiprocessing import Process


# 子程序要執行的程式碼
def task(name):
    print('run child process %s (%s)...' % (name, os.getpid()))


if __name__ == '__main__':
    print('parent process %s.' % os.getpid())
    p = Process(target=task, args=('test',))
    p.start()
    p.join()
    print('process end.')

• 建立單個Process程序(使用class)

繼承Process類，重寫run方法建立程序，這點和threading模組基本一樣

import multiprocessing
import os
from multiprocessing import current_process


class Worker(multiprocessing.Process):
    def run(self):
        name = current_process().name  # 獲取當前程序的名稱
        print('run child process <%s>  (%s)' % (name, os.getpid()))

        print('In %s' % self.name)
        return

if __name__ == '__main__':
    print('parent process %s.' % os.getpid())
    p = Worker()
    p.start()
    p.join()
    print('process end.')

　　* 停止程序

terminate()結束子程序，但是會導致子程序的資源無法釋放掉，是不推薦的做法，因為結束的時候不清楚子執行緒的執行狀況，有很大可能性導致子執行緒在不恰當的時刻被結束。

import multiprocessing
import time

def worker():
    print('starting worker')
    time.sleep(0.1)
    print('finished worker')

if __name__ == '__main__':
    p = multiprocessing.Process(target=worker)
    print('執行前:', p.is_alive())
    p.start()
    print('執行中:', p.is_alive())
    p.terminate()  # 傳送停止號
    print('停止:', p.is_alive())
    p.join()
    print('等待完成:', p.is_alive()) 

• 直接建立多個Process程序

import multiprocessing

def worker(num):
    print(f'Worker:%s %s', num)
    return

if __name__ == '__main__':
    jobs = []
    for i in range(5):
        p = multiprocessing.Process(target=worker, args=(i,))
        jobs.append(p)
        p.start()

• 使用程序池建立多個程序

在利用Python進行系統管理的時候，特別是同時操作多個檔案目錄，或者遠端控制多臺主機，並行操作可以節約大量的時間。當被操作物件數目不大時，可以直接利用multiprocessing中的Process動態成生多個程序，十幾個還好，但如果是上百個，上千個目標，手動的去限制程序數量卻又太過繁瑣，此時可以發揮程序池的功效。Pool可以提供指定數量的程序供使用者呼叫，當有新的請求提交到pool中時，如果池還沒有滿，那麼就會建立一個新的程序用來執行該請求；但如果池中的程序數已經達到規定最大值，那麼該請求就會等待，直到池中有程序結束，才會建立新的程序來它。

import os
import random
import time
from multiprocessing import Pool
from time import ctime


def task(name):
    print('start task %s (%s)...' % (name, os.getpid()))
    start = time.time()
    time.sleep(random.random() * 3)

    print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))


if __name__ == '__main__':
    print('parent process %s.' % os.getpid())

    p = Pool()  # 初始化程序池
    for i in range(5):
        p.apply_async(task, args=(i,))  # 追加任務 apply_async 是非同步非阻塞的，就是不用等待當前程序執行完畢，隨時根據系統排程來進行程序切換。

    p.close()

    p.join()  # 等待所有結果執行完畢，會等待所有子程序執行完畢，呼叫join()之前必須先呼叫close()
    print(f'all done at: {ctime()}')

如果關心每個程序的執行結果，可以使用返回結果的get方法獲取，程式碼如下

import os
import random
import time
from multiprocessing import Pool, current_process
from time import ctime


def task(name):
    print('start task %s (%s)...' % (name, os.getpid()))
    start = time.time()
    time.sleep(random.random() * 3)
    print('end task %s runs %0.2f seconds.' % (name, (time.time() - start)))

    return current_process().name + 'done'


if __name__ == '__main__':
    print('parent process %s.' % os.getpid())

    result = []

    p = Pool()  # 初始化程序池
    for i in range(5):
        result.append(p.apply_async(task, args=(i,)))  # 追加任務 apply_async 是非同步非阻塞的，就是不用等待當前程序執行完畢，隨時根據系統排程來進行程序切換。

    p.close()

    p.join()  # 等待所有結果執行完畢

    for res in result:
        print(res.get())  # get()函式得出每個返回結果的值

    print(f'all done at: {ctime()}')