聊聊Python多进程

写在前面

之前一直没关注过多进程这方面，朋友问起时感觉很奇怪，因为进程是资源分配的最小单元，线程是运算调度的最小单元，代码程序本质上只是一些文本文件，给他分配对应的资源运行起来才是进程，那为什么会有多进程呢？看了看文档发现原来是通过创建子进程并管理来实现多进程。

多进程和多线程有什么区别？

虽然同样是并发，同样是均衡CPU与IO之间差距过大的运行速率，多线程是多个线程共享一个CPU，好处是线程间通信或切换很容易，坏处是目前CPU都是多核的，很容易出现一核有难八核围观的问题，同时python具有GIL（全局锁），让每个CPU在同一时间只能执行一个线程，这让我们很难实现并行计算。而多进程避免了这个问题，同时也要注意，多个进程之间的通信与切换成本更大。

因此python的多线程并不适合CPU密集型的任务，更适合IO密集型的任务

fork vs spawn

fork速度会更快，因为他是对父进程的整个虚拟内存进行写时复制，包括已经初始化过的python解释器，内存中构造的对象，而不需要识别哪些资源是必要的，仅将内存页作为一个整体复制。但这也会带来问题，比如由于fork不会复制父进程的线程，如果其他线程持有的存储在内存中的锁也被复制的话，但是因为没有对应的线程进行解锁，就会导致死锁。

spawn从头开始启动一个python子进程，所以安全，不继承父进程的资源，所以也不臃肿，但是启动会较慢。

进程池

进程池Pool 会帮我们实现简单的多进程任务，我们可以通过apply() 和map() 来执行任务并阻塞直到子进程计算完成任务。看下官网代码：

import multiprocessing

def function_square(data):
    result = data*data
    return result

if __name__ == '__main__':
    inputs = list(range(100))
    pool = multiprocessing.Pool(processes=4)
    pool_outputs = pool.map(function_square, inputs)
    pool.close()
    pool.join()
    print ('Pool    :', pool_outputs)

map可以将可迭代的数据的每一个元素作为一个任务来执行。任务执行结束后可以通过 pool.close() 告诉进程池不再接受新的任务，而pool.join()会一直阻塞，知道进程池中的所有工作进程都结束。

有点反常，在使用map的情况下是否不再需要join？

笔者自己试了下，确实不需要在pool.map后添加join。