作者：Vamei 出處：http://www.cnblogs.com/vamei 歡迎轉載，也請保留這段聲明。謝謝！
我們已經見過了使用subprocess包來創建子進程，但這個包有兩個很大的局限性：1) 我們總是讓subprocess運行外部的程序，而不是運行一個Python腳本內部編寫的函數。2) 進程間只通過管道進行文本交流。以上限制了我們將subprocess包應用到更廣泛的多進程任務。(這樣的比較實際是不公平的，因為subprocessing本身就是設計成為一個shell，而不是一個多進程管理包)
threading和multiprocessing
(請盡量先閱讀Python多線程與同步)
multiprocessing包是Python中的多進程管理包。與threading.Thread類似，它可以利用multiprocessing.Process對象來創建一個進程。該進程可以運行在Python程序內部編寫的函數。該Process對象與Thread對象的用法相同，也有start(), run(), join()的方法。此外multiprocessing包中也有Lock/Event/Semaphore/Condition類 (這些對象可以像多線程那樣，通過參數傳遞給各個進程)，用以同步進程，其用法與threading包中的同名類一致。所以，multiprocessing的很大一部份與threading使用同一套API，只不過換到了多進程的情境。
但在使用這些共享API的時候，我們要注意以下幾點:
- 在UNIX平台上，當某個進程終結之后，該進程需要被其父進程調用wait，否則進程成為僵屍進程(Zombie)。所以，有必要對每個Process對象調用join()方法 (實際上等同於wait)。對於多線程來說，由於只有一個進程，所以不存在此必要性。
- multiprocessing提供了threading包中沒有的IPC(比如Pipe和Queue)，效率上更高。應優先考慮Pipe和Queue，避免使用Lock/Event/Semaphore/Condition等同步方式 (因為它們占據的不是用戶進程的資源)。
- 多進程應該避免共享資源。在多線程中，我們可以比較容易地共享資源，比如使用全局變量或者傳遞參數。在多進程情況下，由於每個進程有自己獨立的內存空間，以上方法並不合適。此時我們可以通過共享內存和Manager的方法來共享資源。但這樣做提高了程序的復雜度，並因為同步的需要而降低了程序的效率。
Process.PID中保存有PID，如果進程還沒有start()，則PID為None。
我們可以從下面的程序中看到Thread對象和Process對象在使用上的相似性與結果上的不同。各個線程和進程都做一件事：打印PID。但問題是，所有的任務在打印的時候都會向同一個標准輸出(stdout)輸出。這樣輸出的字符會混合在一起，無法閱讀。使用Lock同步，在一個任務輸出完成之后，再允許另一個任務輸出，可以避免多個任務同時向終端輸出。
# Similarity and difference of multi thread vs. multi process # Written by Vamei
import os import threading import multiprocessing # worker function
def worker(sign, lock): lock.acquire() print(sign, os.getpid()) lock.release() # Main
print('Main:',os.getpid()) # Multi-thread
record = [] lock = threading.Lock() for i in range(5): thread = threading.Thread(target=worker,args=('thread',lock)) thread.start() record.append(thread) for thread in record: thread.join() # Multi-process
record = [] lock = multiprocessing.Lock() for i in range(5): process = multiprocessing.Process(target=worker,args=('process',lock)) process.start() record.append(process) for process in record: process.join()
所有Thread的PID都與主程序相同，而每個Process都有一個不同的PID。
(練習: 使用mutiprocessing包將Python多線程與同步中的多線程程序更改為多進程程序)
Pipe和Queue
正如我們在Linux多線程中介紹的管道PIPE和消息隊列message queue，multiprocessing包中有Pipe類和Queue類來分別支持這兩種IPC機制。Pipe和Queue可以用來傳送常見的對象。
1) Pipe可以是單向(half-duplex)，也可以是雙向(duplex)。我們通過mutiprocessing.Pipe(duplex=False)創建單向管道 (默認為雙向)。一個進程從PIPE一端輸入對象，然后被PIPE另一端的進程接收，單向管道只允許管道一端的進程輸入，而雙向管道則允許從兩端輸入。
下面的程序展示了Pipe的使用:
# Multiprocessing with Pipe # Written by Vamei
import multiprocessing as mul def proc1(pipe): pipe.send('hello') print('proc1 rec:',pipe.recv()) def proc2(pipe): print('proc2 rec:',pipe.recv()) pipe.send('hello, too') # Build a pipe
pipe = mul.Pipe() # Pass an end of the pipe to process 1
p1 = mul.Process(target=proc1, args=(pipe[0],)) # Pass the other end of the pipe to process 2
p2 = mul.Process(target=proc2, args=(pipe[1],)) p1.start() p2.start() p1.join() p2.join()
這里的Pipe是雙向的。
Pipe對象建立的時候，返回一個含有兩個元素的表，每個元素代表Pipe的一端(Connection對象)。我們對Pipe的某一端調用send()方法來傳送對象，在另一端使用recv()來接收。
2) Queue與Pipe相類似，都是先進先出的結構。但Queue允許多個進程放入，多個進程從隊列取出對象。Queue使用mutiprocessing.Queue(maxsize)創建，maxsize表示隊列中可以存放對象的最大數量。
下面的程序展示了Queue的使用:
# Written by Vamei
import os import multiprocessing import time #================== # input worker
def inputQ(queue): info = str(os.getpid()) + '(put):' + str(time.time()) queue.put(info) # output worker
def outputQ(queue,lock): info = queue.get() lock.acquire() print (str(os.getpid()) + '(get):' + info) lock.release() #=================== # Main
record1 = [] # store input processes
record2 = [] # store output processes
lock = multiprocessing.Lock() # To prevent messy print
queue = multiprocessing.Queue(3) # input processes
for i in range(10): process = multiprocessing.Process(target=inputQ,args=(queue,)) process.start() record1.append(process) # output processes
for i in range(10): process = multiprocessing.Process(target=outputQ,args=(queue,lock)) process.start() record2.append(process) for p in record1: p.join() queue.close() # No more object will come, close the queue
for p in record2: p.join()
一些進程使用put()在Queue中放入字符串，這個字符串中包含PID和時間。另一些進程從Queue中取出，並打印自己的PID以及get()的字符串。
總結
Process, Lock, Event, Semaphore, Condition
Pipe, Queue