进程池：
主要方法：
p.apply_async(func(函数名)[,args(传递给func的参数列表--元组形式)[,kwds(传递给func的关键字参数列表)]]) 非阻塞方式调用func
p.close() 关闭进程池，防止进一步操作(进程池不接受新的任务)
p.join() 阻塞进程
enumerate() 不管任务是否完成，立即终止，如果使用异步提交任务，等进程池内任务都处理完，需要用get()来收集结果
使用场景：利用Python进行系统管理的时候，同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约大量时间
阻塞：遇到I/O就发生阻塞，程序一旦阻塞操作就停在原地，并且立刻释放CPU资源
非阻塞：没有遇到I/O操作或者通过某种手段让程序即使遇到IO操作也不会停在原地而去执行其他操作，力求尽可能多的占有CPU资源
同步与异步：提交任务的两种方式：
同步调用：提交完任务后就在原地等待，直到任务运行完毕后，拿到任务的返回值，才能继续执行下一行的代码
异步调用：提交完任务后，不在原地等待，直接执行下一行代码
进程池同步和异步操作：
#异步：不用等待当前进程执行完毕，随时根据系统调度来进行进程切换
import os
import time
from multiprocessing import Pooldef learn(n):print('study')time.sleep(2)return n**2if __name__=='__main__':#创建进程池，最大进程数为3p=Pool(3)list=[]for i in range(6):result=p.apply_async(learn,args=(i,))#learn函数名，i为函数learn的参数list.append(result)#把结果添加到list列表里p.close()#关闭进程池，关闭后p不再接受新的请求p.join()#等待p中所有的子程序执行完成，必须放在close语句之后for j in list:print(j.get())#使用get获取apply_async
#同步：apply(同步阻塞)需要等待当前子进程执行完毕后，在执行下一个进程(按顺序执行)
import os
import time
from multiprocessing import Pooldef learn(n):print('study')time.sleep(2)return n**2if __name__=='__main__':#创建进程池，最大进程数为3p=Pool(3)list=[]for i in range(6):result=p.apply(learn,args=(i,))#learn函数名，i为函数learn的参数list.append(result)#把结果添加到list列表里print(list)
进程池的通信：
Pool创建进程池，需要使用multiprocessing.Manager()中Queue()
if multiprocessing.Queue()
Manager()模块专门用来做数据共享，支持很多类型，如value，array，list，dict，Queue，Lock等
multiprocessing模块下的Queue为进程提供服务；
queue模块下的Queue为线程提供服务；
队列实例化 q=Manager(),Queue()
import os
from multiprocessing import Pool,Managerdef rd(q):print(f'rd启动{os.getpid()},父进程{os.getppid()}')for i in range(q.qsize()):#q.qsize()返回队列中数据的数量print('取出数据：',q.get())def wd(q):print(f'wd启动{os.getpid()},父进程{os.getppid()}')for i in '123':print('wd中的：',i)q.put(i)#把字符串123中的某个数据放到队列中if __name__=='__main__':print('begin,',os.getpid())q=Manager().Queue()#创建进程池p=Pool()#使用异步操作p.apply_async(wd,args=(q,))p.apply_async(rd,args=(q,))p.close()#关闭进程池p.join()#阻塞主进程print('end',os.getpid())
输出结果为：
begin, 524
wd启动7628,父进程524
wd中的： 1
wd中的： 2
wd中的： 3
rd启动10488,父进程524
取出数据： 1
取出数据： 2
取出数据： 3
end 524
