一、Python编程中，使用多进程完成多任务的方法
Python提供了multiprocessing模块，可以用于在单个计算机上创建多个进程，从而实现多任务处理。下面是一个简单的例子，展示了如何使用multiprocessing模块创建多进程来完成多任务。
代码：
import multiprocessingimport time# 跳舞任务def dance(): for i in range(5): print("跳舞中...") time.sleep(0.2)# 唱歌任务def sing(): for i in range(5): print("唱歌中...") time.sleep(0.2)if __name__ == '__main__': # 创建跳舞的子进程 # group: 表示进程组，目前只能使用None # target: 表示执行的目标任务名(函数名、方法名) # name: 进程名称, 默认是Process-1, ..... dance_process = multiprocessing.Process(target=dance, name="myprocess1") sing_process = multiprocessing.Process(target=sing) # 启动子进程执行对应的任务 dance_process.start() sing_process.start()执行结果：
唱歌中...跳舞中...唱歌中...跳舞中...唱歌中...跳舞中...唱歌中...跳舞中...唱歌中...跳舞中...二、进程有哪些注意点
1、进程之间不共享全局变量
代码：
import multiprocessingimport time# 定义全局变量g_list = list()# 添加数据的任务def add_data(): for i in range(5): g_list.append(i) print("add:", i) time.sleep(0.2) # 代码执行到此，说明数据添加完成 print("add_data:", g_list)def read_data(): print("read_data", g_list)if __name__ == '__main__': # 创建添加数据的子进程 add_data_process = multiprocessing.Process(target=add_data) # 创建读取数据的子进程 read_data_process = multiprocessing.Process(target=read_data) # 启动子进程执行对应的任务 add_data_process.start() # 主进程等待添加数据的子进程执行完成以后程序再继续往下执行，读取数据 add_data_process.join() read_data_process.start() print("main:", g_list) # 总结: 多进程之间不共享全局变量执行结果：
add: 0
add: 1
add: 2
add: 3
add: 4
add_data: [0, 1, 2, 3, 4]
main: []
read_data []创建子进程会对主进程资源进行拷贝，也就是说子进程是主进程的一个副本，好比是一对双胞胎，之所以进程之间不共享全局变量，是因为操作的不是同一个进程里面的全局变量，只不过不同进程里面的全局变量名字相同而已。
2、主进程会等待所有的子进程执行结束再结束
假如我们现在创建一个子进程，这个子进程执行完大概需要2秒钟，现在让主进程执行0.5秒钟就退出程序，查看一下执行结果，示例代码如下：
import multiprocessingimport time# 定义进程所需要执行的任务def task(): for i in range(10): print("任务执行中...") time.sleep(0.2)if __name__ == '__main__': # 创建子进程 sub_process = multiprocessing.Process(target=task) sub_process.start() # 主进程延时0.5秒钟 time.sleep(0.5) print("over") exit() # 总结：主进程会等待所有的子进程执行完成以后程序再退出执行结果：
任务执行中...任务执行中...任务执行中...over任务执行中...任务执行中...任务执行中...任务执行中...任务执行中...任务执行中...任务执行中...
说明：通过上面代码的执行结果，我们可以得知：主进程会等待所有的子进程执行结束再结束。
假如我们就让主进程执行0.5秒钟，子进程就销毁不再执行，那怎么办呢？我们可以设置守护主进程或者在主进程退出之前让子进程销毁：
守护主进程：守护主进程就是主进程退出子进程销毁不再执行子进程销毁：子进程执行结束保证主进程正常退出的示例代码：
import multiprocessingimport time# 定义进程所需要执行的任务def task(): for i in range(10): print("任务执行中...") time.sleep(0.2)if __name__ == '__main__': # 创建子进程 sub_process = multiprocessing.Process(target=task) # 设置守护主进程，主进程退出子进程直接销毁，子进程的生命周期依赖与主进程 # sub_process.daemon = True sub_process.start() time.sleep(0.5) print("over") # 让子进程销毁 sub_process.terminate() exit() # 总结：主进程会等待所有的子进程执行完成以后程序再退出 # 如果想要主进程退出子进程销毁，可以设置守护主进程或者在主进程退出之前让子进程销毁执行结果：
任务执行中...任务执行中...任务执行中...over三、Python多线程的通信
进程是系统独立调度核分配系统资源（CPU、内存）的基本单位，进程之间是相互独立的，每启动一个新的进程相当于把数据进行了一次克隆，子进程里的数据修改无法影响到主进程中的数据，不同子进程之间的数据也不能共享，这是多进程在使用中与多线程最明显的区别。但是难道Python多进程中间难道就是孤立的吗？当然不是，python也提供了多种方法实现了多进程中间的通信和数据共享（可以修改一份数据）。
1、进程对列Queue
Queue在多线程中也说到过，在生成者消费者模式中使用，是线程安全的，是生产者和消费者中间的数据管道，那在python多进程中，它其实就是进程之间的数据管道，实现进程通信。
from multiprocessing import Process,Queuedef fun1(q,i): print('子进程%s 开始put数据' %i) q.put('我是%s 通过Queue通信' %i)if __name__ == '__main__': q = Queue() process_list = [] for i in range(3): p = Process(target=fun1,args=(q,i,)) #注意args里面要把q对象传给我们要执行的方法，这样子进程才能和主进程用Queue来通信 p.start() process_list.append(p) for i in process_list: p.join() print('主进程获取Queue数据') print(q.get()) print(q.get()) print(q.get()) print('结束测试')结果：
子进程0 开始put数据子进程1 开始put数据子进程2 开始put数据主进程获取Queue数据我是0 通过Queue通信我是1 通过Queue通信我是2 通过Queue通信结束测试Process finished with exit code 0上面的代码结果可以看到我们主进程中可以通过Queue获取子进程中put的数据，实现进程间的通信。
2、管道Pipe
管道Pipe和Queue的作用大致差不多，也是实现进程间的通信。
from multiprocessing import Process, Pipedef fun1(conn): print('子进程发送消息：') conn.send('你好主进程') print('子进程接受消息：') print(conn.recv()) conn.close()if __name__ == '__main__': conn1, conn2 = Pipe() #关键点，pipe实例化生成一个双向管 p = Process(target=fun1, args=(conn2,)) #conn2传给子进程 p.start() print('主进程接受消息：') print(conn1.recv()) print('主进程发送消息：') conn1.send("你好子进程") p.join() print('结束测试')结果：
主进程接受消息：子进程发送消息：子进程接受消息：你好主进程主进程发送消息：你好子进程结束测试Process finished with exit code 0上面可以看到主进程和子进程可以相互发送消息。
3、Managers
Queue和Pipe只是实现了数据交互，并没实现数据共享，即一个进程去更改另一个进程的数据。那么就要用到Managers。
from multiprocessing import Process, Managerdef fun1(dic,lis,index): dic[index] = 'a' dic['2'] = 'b' lis.append(index) #[0,1,2,3,4,0,1,2,3,4,5,6,7,8,9] #print(l)if __name__ == '__main__': with Manager() as manager: dic = manager.dict()#注意字典的声明方式，不能直接通过{}来定义 l = manager.list(range(5))#[0,1,2,3,4] process_list = [] for i in range(10): p = Process(target=fun1, args=(dic,l,i)) p.start() process_list.append(p) for res in process_list: res.join() print(dic) print(l)结果：
{0: 'a', '2': 'b', 3: 'a', 1: 'a', 2: 'a', 4: 'a', 5: 'a', 7: 'a', 6: 'a', 8: 'a', 9: 'a'}[0, 1, 2, 3, 4, 0, 3, 1, 2, 4, 5, 7, 6, 8, 9]可以看到主进程定义了一个字典和一个列表，在子进程中，可以添加和修改字典的内容，在列表中插入新的数据，实现进程间的数据共享，即可以共同修改同一份数据。
延伸阅读1：Python协程简介
协程，又称微线程，纤程，英文名Coroutine。协程的作用是在执行函数A时可以随时中断去执行函数B，然后中断函数B继续执行函数A（可以自由切换）。但这一过程并不是函数调用，这一整个过程看似像多线程，然而协程只有一个线程执行。
京公网安备 11010802030320号