一、Python編程中，使用多進程完成多任務的方法

Python提供了multiprocessing模塊，可以用于在單個計算機上創建多個進程，從而實現多任務處理。下面是一個簡單的例子，展示了如何使用multiprocessing模塊創建多進程來完成多任務。

代碼：

import multiprocessingimport time# 跳舞任務def dance():    for i in range(5):        print("跳舞中...")        time.sleep(0.2)# 唱歌任務def sing():    for i in range(5):        print("唱歌中...")        time.sleep(0.2)if __name__ == '__main__':    # 創建跳舞的子進程    # group: 表示進程組，目前只能使用None    # target: 表示執行的目標任務名(函數名、方法名)    # name: 進程名稱, 默認是Process-1, .....    dance_process = multiprocessing.Process(target=dance, name="myprocess1")    sing_process = multiprocessing.Process(target=sing)    # 啟動子進程執行對應的任務    dance_process.start()    sing_process.start()

執行結果：

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、進程有哪些注意點

1、進程之間不共享全局變量

代碼：

import multiprocessingimport time# 定義全局變量g_list = list()# 添加數據的任務def add_data():    for i in range(5):        g_list.append(i)        print("add:", i)        time.sleep(0.2)    # 代碼執行到此，說明數據添加完成    print("add_data:", g_list)def read_data():    print("read_data", g_list)if __name__ == '__main__':    # 創建添加數據的子進程    add_data_process = multiprocessing.Process(target=add_data)    # 創建讀取數據的子進程    read_data_process = multiprocessing.Process(target=read_data)    # 啟動子進程執行對應的任務    add_data_process.start()    # 主進程等待添加數據的子進程執行完成以后程序再繼續往下執行，讀取數據    add_data_process.join()    read_data_process.start()    print("main:", g_list)    # 總結: 多進程之間不共享全局變量

執行結果：

add: 0
add: 1
add: 2
add: 3
add: 4
add_data: [0, 1, 2, 3, 4]
main: []
read_data []

創建子進程會對主進程資源進行拷貝，也就是說子進程是主進程的一個副本，好比是一對雙胞胎，之所以進程之間不共享全局變量，是因為操作的不是同一個進程里面的全局變量，只不過不同進程里面的全局變量名字相同而已。

2、主進程會等待所有的子進程執行結束再結束

假如我們現在創建一個子進程，這個子進程執行完大概需要2秒鐘，現在讓主進程執行0.5秒鐘就退出程序，查看一下執行結果，示例代碼如下：

import multiprocessingimport time# 定義進程所需要執行的任務def task():    for i in range(10):        print("任務執行中...")        time.sleep(0.2)if __name__ == '__main__':    # 創建子進程    sub_process = multiprocessing.Process(target=task)    sub_process.start()    # 主進程延時0.5秒鐘    time.sleep(0.5)    print("over")    exit()    # 總結：主進程會等待所有的子進程執行完成以后程序再退出

執行結果：

任務執行中...任務執行中...任務執行中...over任務執行中...任務執行中...任務執行中...任務執行中...任務執行中...任務執行中...任務執行中...

說明：通過上面代碼的執行結果，我們可以得知：主進程會等待所有的子進程執行結束再結束。

假如我們就讓主進程執行0.5秒鐘，子進程就銷毀不再執行，那怎么辦呢？我們可以設置守護主進程或者在主進程退出之前讓子進程銷毀：

保證主進程正常退出的示例代碼：

import multiprocessingimport time# 定義進程所需要執行的任務def task():    for i in range(10):        print("任務執行中...")        time.sleep(0.2)if __name__ == '__main__':    # 創建子進程    sub_process = multiprocessing.Process(target=task)    # 設置守護主進程，主進程退出子進程直接銷毀，子進程的生命周期依賴與主進程    # sub_process.daemon = True    sub_process.start()    time.sleep(0.5)    print("over")    # 讓子進程銷毀    sub_process.terminate()    exit()    # 總結：主進程會等待所有的子進程執行完成以后程序再退出    # 如果想要主進程退出子進程銷毀，可以設置守護主進程或者在主進程退出之前讓子進程銷毀

執行結果：

任務執行中...任務執行中...任務執行中...over

三、Python多線程的通信

進程是系統獨立調度核分配系統資源（CPU、內存）的基本單位，進程之間是相互獨立的，每啟動一個新的進程相當于把數據進行了一次克隆，子進程里的數據修改無法影響到主進程中的數據，不同子進程之間的數據也不能共享，這是多進程在使用中與多線程最明顯的區別。但是難道Python多進程中間難道就是孤立的嗎？當然不是，python也提供了多種方法實現了多進程中間的通信和數據共享（可以修改一份數據）。

1、進程對列Queue

Queue在多線程中也說到過，在生成者消費者模式中使用，是線程安全的，是生產者和消費者中間的數據管道，那在python多進程中，它其實就是進程之間的數據管道，實現進程通信。

from multiprocessing import Process,Queuedef fun1(q,i):    print('子進程%s 開始put數據' %i)    q.put('我是%s 通過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對象傳給我們要執行的方法，這樣子進程才能和主進程用Queue來通信        p.start()        process_list.append(p)    for i in process_list:        p.join()    print('主進程獲取Queue數據')    print(q.get())    print(q.get())    print(q.get())    print('結束測試')

結果：

子進程0 開始put數據子進程1 開始put數據子進程2 開始put數據主進程獲取Queue數據我是0 通過Queue通信我是1 通過Queue通信我是2 通過Queue通信結束測試Process finished with exit code 0

上面的代碼結果可以看到我們主進程中可以通過Queue獲取子進程中put的數據，實現進程間的通信。

2、管道Pipe

管道Pipe和Queue的作用大致差不多，也是實現進程間的通信。

from multiprocessing import Process, Pipedef fun1(conn):    print('子進程發送消息：')    conn.send('你好主進程')    print('子進程接受消息：')    print(conn.recv())    conn.close()if __name__ == '__main__':    conn1, conn2 = Pipe() #關鍵點，pipe實例化生成一個雙向管    p = Process(target=fun1, args=(conn2,)) #conn2傳給子進程    p.start()    print('主進程接受消息：')    print(conn1.recv())    print('主進程發送消息：')    conn1.send("你好子進程")    p.join()    print('結束測試')

結果：

主進程接受消息：子進程發送消息：子進程接受消息：你好主進程主進程發送消息：你好子進程結束測試Process finished with exit code 0

上面可以看到主進程和子進程可以相互發送消息。

3、Managers

Queue和Pipe只是實現了數據交互，并沒實現數據共享，即一個進程去更改另一個進程的數據。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()#注意字典的聲明方式，不能直接通過{}來定義        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)

結果：

{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]

可以看到主進程定義了一個字典和一個列表，在子進程中，可以添加和修改字典的內容，在列表中插入新的數據，實現進程間的數據共享，即可以共同修改同一份數據。

延伸閱讀1：Python協程簡介

協程，又稱微線程，纖程，英文名Coroutine。協程的作用是在執行函數A時可以隨時中斷去執行函數B，然后中斷函數B繼續執行函數A（可以自由切換）。但這一過程并不是函數調用，這一整個過程看似像多線程，然而協程只有一個線程執行。