Python中的多进程怎么创建

这篇“Python中的多进程怎么创建”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Python中的多进程怎么创建”文章吧。

1.创建进程

创建进程和创建线程的方法基本一致，请看下面代码：

# coding:utf-8 # 导入多进程的包，并重命名为mp import multiprocessing as mp # 主要工作 def p1():     print("zxy") if __name__ == "__main__":     # 创建新进程     new_process = mp.Process(target=p1, name="p1")     # 启动这个进程     new_process.start()     # 阻塞该进程     new_process.join()

控制台效果图：

2.多进程中的Queue

为什么要在多进程中使用queue呢？
因为多进程和多线程一样，在工作函数中，无法通过return返回进程函数中的结果，所以使用queue进行存储结果，要用的时候再进行取出。

# coding:utf-8 import time import multiprocessing as mp """     使用多进程时，运行程序所用的时间 """ def job1(q):     res = 0     for i in range(100):         res += i + i**5 +i**8         time.sleep(0.1)     # 将结果放入队列中     q.put(res) def job2(q):     res = 0     for i in range(100):         res += i + i**5 +i**8         time.sleep(0.1)     q.put(res) if __name__ == "__main__":     start_time = time.time()     # 创建队列     q = mp.Queue()     # 创建进程1     process1 = mp.Process(target=job1, args=(q,))     # 创建进程2     process2 = mp.Process(target=job2, args=(q,))     process1.start()     process2.start()     # 通过队列获取值     res1 = q.get()     res2 = q.get()     print("res1为%d,res2为%d" % (res1, res2))     end_time = time.time()     print("整个过程所用时间为%s" %(end_time-start_time))

效果图：

3.多进程与多线程的性能比较

接下来使用多进程、多线程、以及什么都不用的普通方法进行处理，看看他们三种方法的效率如何？

# coding:utf-8 import multiprocessing as mp import time import threading as th """     多进程、多线程、普通方法的性能比较 """ # 多进程工作 def mp_job(res):     for i in range(10000000):         res += i**5 + i**6     print(res) # 多线程工作 def mt_job(res):     for i in range(10000000):         res += i**5 + i**6     print(res) # 普通方法工作 def normal_job(res):     for i in range(10000000):         res += i ** 5 + i ** 6     print(res) if __name__ == "__main__":     mp_sum = 0     mp_start = time.time()     process1 =mp.Process(target=mp_job, args=(mp_sum, ))     process2 = mp.Process(target=mp_job, args=(mp_sum,))     process1.start()     process2.start()     process1.join()     process2.join()     mp_end = time.time()     print("多进程使用时间为", (mp_end-mp_start))     mt_start = time.time()     mt_sum = 0     thread1 = th.Thread(target=mt_job, args=(mt_sum, ))     thread2 = th.Thread(target=mt_job, args=(mt_sum, ))     thread1.start()     thread2.start()     thread1.join()     thread2.join()     mt_end = time.time()     print("多线程使用的时间是", (mt_end-mt_start))     normal_start = time.time()     normal_sum = 0     # 进行两次     normal_job(normal_sum)     normal_job(normal_sum)     normal_end = time.time()     print("普通方法使用的时间是", (normal_end-normal_start))

效果图：

实验结果表明：多进程的效率确实高！！！

4.进程池pool

进程池是干什么用的呢？
进程池就是python的多进程提供的一个池子，将所有的进程都放在这个池子里面，让计算机自己去使用进程池中的资源，从而多进程处理一些程序，进而提高工作效率。

(1)默认使用进程池中全部进程时

# coding:utf-8 import time import multiprocessing as mp """     进程池pool的使用 """ def job(num):     time.sleep(1)     return num * num if __name__ == "__main__":     start_time = time.time()     # 括号里面不加参数时，默认使用进程池中所有进程     pool = mp.Pool()     res = pool.map(job, range(10))     print(res)     end_time = time.time()     print("运行时间为", (end_time-start_time))

效果图：

（2）指定进程池中进程数时

# coding:utf-8 import time import multiprocessing as mp """     进程池pool的使用 """ def job(num):     time.sleep(1)     return num * num if __name__ == "__main__":     start_time = time.time()     # 括号里面加参数时，指定两个进程进行处理     pool = mp.Pool(processes=2)     res = pool.map(job, range(10))     print(res)     end_time = time.time()     print("运行时间为", (end_time-start_time))

效果图：

（3）不使用多进程时

# coding:utf-8 import time def job(res):     for i in range(10):         res.append(i*i)         time.sleep(1) if __name__ == "__main__":     start_time = time.time()     res = []     job(res)     print(res)     end_time =time.time()     print("不使用进程池所用时间为", (end_time-start_time))

效果图：

实验结论：多进程处理事情，效率很高！！！核心越多，处理越快！

5.共享内存

一个核心，我们多线程处理时，可以使用全局变量来共享数据。但是多进程之间是不行的，那我们多进程之间应该如何共享数据呢？
那就得用到共享内存了！

# coding:utf-8 import multiprocessing as mp """     共享内存 """ if __name__ == "__main__":     # 第一个参数是数据类型的代码，i代表整数类型     # 第二个参数是共享数据的值     v = mp.Value("i", 0)

6.进程锁lock

进程锁和线程锁的用法基本一致。进程锁的诞生是为了避免多进程之间抢占共享数据，进而造成多进程之间混乱修改共享内存的局面。

（1）不加锁之前

# coding:utf-8 import multiprocessing as mp import time """     进程中的锁lock """ def job(v, num):     for i in range(10):         v.value += num         print(v.value)         time.sleep(0.2) if __name__ == "__main__":     # 多进程中的共享内存     v = mp.Value("i", 0)     # 进程1让共享变量每次加1     process1 = mp.Process(target=job, args=(v, 1))     # 进程2让共享变量每次加3     process2 = mp.Process(target=job, args=(v, 3))     process1.start()     process2.start()

效果图：

（2）加锁之后

# coding:utf-8 import multiprocessing as mp import time """     进程中的锁lock """ def job(v, num, l):     # 加锁     l.acquire()     for i in range(10):         v.value += num         print(v.value)         time.sleep(0.2)     # 解锁     l.release() if __name__ == "__main__":     # 创建进程锁     l = mp.Lock()     # 多进程中的共享内存     v = mp.Value("i", 0)     process1 = mp.Process(target=job, args=(v, 1, l))     process2 = mp.Process(target=job, args=(v, 3, l))     process1.start()     process2.start()

效果图：

以上就是关于“Python中的多进程怎么创建”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。