Python中multiprocessing.Pool
on Python
multiprocessing.Pool
有些情况下，所要完成的工作可以分解并独立地分布到多个工作进程，对于这种简单的情况，可以用Pool类来管理固定数目的工作进程。作业的返回值会收集并作为一个列表返回。（以下程序cpu数量为2）。
import multiprocessing
def do_calculation(data):
return data*2
def start_process():
print 'Starting',multiprocessing.current_process().name
if __name__=='__main__':
inputs=list(range(10))
print 'Inputs :',inputs
builtin_output=map(do_calculation,inputs)
print 'Build-In :', builtin_output
pool_size=multiprocessing.cpu_count()*2
pool=multiprocessing.Pool(processes=pool_size,
initializer=start_process,)
pool_outputs=pool.map(do_calculation,inputs)
pool.close()
pool.join()
print 'Pool :',pool_outputs
运行结果：
Inputs : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Build-In : [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
Starting PoolWorker-2
Starting PoolWorker-1
Starting PoolWorker-3
Starting PoolWorker-4
Pool : [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
默认情况下，Pool会创建固定数目的工作进程，并向这些工作进程传递作业，直到再没有更多作业为止。maxtasksperchild参数为每个进程执行task的最大数目，设置maxtasksperchild参数可以告诉池在完成一定数量任务之后重新启动一个工作进程，来避免运行时间很长的工作进程消耗太多的系统资源。
python 2.7.3
Pool(processes=None, initializer=None, initargs=(), maxtasksperchild=None)
import multiprocessing
def do_calculation(data):
return data*2
def start_process():
print 'Starting',multiprocessing.current_process().name
if __name__=='__main__':
inputs=list(range(10))
print 'Inputs :',inputs
builtin_output=map(do_calculation,inputs)
print 'Build-In :', builtin_output
pool_size=multiprocessing.cpu_count()*2
pool=multiprocessing.Pool(processes=pool_size,
initializer=start_process,maxtasksperchild=2)
pool_outputs=pool.map(do_calculation,inputs)
pool.close()
pool.join()
print 'Pool :',pool_outputs
运行结果：
Inputs : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Build-In : [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
Starting PoolWorker-1
Starting PoolWorker-2
Starting PoolWorker-3
Starting PoolWorker-4
Starting PoolWorker-5
Starting PoolWorker-6
Starting PoolWorker-7
Starting PoolWorker-8
Pool : [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
池完成其所分配的任务时，即使没有更多的工作要做，也会重新启动工作进程。从这个输出可以看到，尽管只有10个任务，而且每个工作进程一次可以完成两个任务，但是这里创建了8个工作进程。
更多的时候，我们不仅需要多进程执行，还需要关注每个进程的执行结果。
import multiprocessing
import time
def func(msg):
for i in xrange(3):
print msg
time.sleep(1)
return "done " + msg
if __name__ == "__main__":
pool = multiprocessing.Pool(processes=4)
result = []
for i in xrange(10):
msg = "hello %d" %(i)
result.append(pool.apply_async(func, (msg, )))
pool.close()
pool.join()
for res in result:
print res.get()
print "Sub-process(es) done."
内容转自：