什么是进程？
程序是静态的，当程序运行起来就叫做进程。
进程是操作系统分配资源的基本单元。
进程、线程的区别与优缺点
1. 定义的不同：
进程是系统进行资源分配的最小单位.
线程是进程的一个实体,是CPU进行调度的基本单位。
线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源.
2. 区别：
一个程序至少有一个进程,一个进程至少有一个线程.线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。
进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率。
线程不能够独立执行，必须依存在进程中
3. 优缺点：
线程执行开销小，但不利于资源的管理和保护；而进程正相反。
进程的创建步骤
- 导入进程模块
- 创建一个进程的实例对象
- 创建并启动进程
代码实现：
import threading
import time
import multiprocessingdef test1():
while True:
print("1--------")
time.sleep(1)def test2():
while True:
print("2--------")
time.sleep(1)def main():
# t1 = threading.Thread(target=test1)
# t2 = threading.Thread(target=test2)
# t1.start()
# t2.start() p1 = multiprocessing.Process(target=test1)
p2 = multiprocessing.Process(target=test2)
p1.start()
p2.start()if __name__ == "__main__":
main()通过Queue实现进程间通信
- 创建一个队列
- 向队列中添加数据
- 从队列中取数据
- 判断队列中是否为空
- 判断队列中是否已满
代码实现如下：
import multiprocessing"""
一个进程向Queue中写入数据，另外一个进程从Queue中获取数据，
通过Queue完成了 多个需要配合的进程间的数据共享，从而能够 起到 解耦的作用
"""
def download_from_web(q):
"""下载数据"""
# 模拟从网上下载的数据
data = [11, 22, 33, 44] # 向队列中写入数据
for temp in data:
q.put(temp) print("---下载器已经下载完了数据并且存入到队列中----")def analysis_data(q):
"""数据处理"""
waitting_analysis_data = list()
# 从队列中获取数据
while True:
data = q.get()
waitting_analysis_data.append(data) if q.empty():
break # 模拟数据处理
print(waitting_analysis_data)def main():
# 1. 创建一个队列
q = multiprocessing.Queue() # 2. 创建多个进程，将队列的引用当做实参进行传递到里面
p1 = multiprocessing.Process(target=download_from_web, args=(q,))
p2 = multiprocessing.Process(target=analysis_data, args=(q,))
p1.start()
p2.start()if __name__ == "__main__":
main()注意：
通过进程池创建进程，队列的使用要用multiprocessing.Manager().Queue()的方式，否则会报错。
进程池Pool
当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，
但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。
初始化Pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，
如果池还没有满，那么就会创建一个新的进程用来执行该请求；
但如果池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务
进程池的实现步骤
- 导入进程池模块
- 定义进程池，最大进程池最大数
- 通过进程池调用目标 apply_async非阻塞，不会等待子进程结束；apply阻塞，会等待子进程结束才结束
- 关闭进程池
- 等待进程池执行完毕
代码实现：
from multiprocessing import Pool
import os, time, randomdef worker(msg):
t_start = time.time()
print("%s开始执行,进程号为%d" % (msg,os.getpid()))
# random.random()随机生成0~1之间的浮点数
time.sleep(random.random()*2)
t_stop = time.time()
print(msg,"执行完毕，耗时%0.2f" % (t_stop-t_start))po = Pool(3) # 定义一个进程池，最大进程数3
for i in range(0,10):
# Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
# 每次循环将会用空闲出来的子进程去调用目标
po.apply_async(worker,(i,))print("----start----")
po.close() # 关闭进程池，关闭后po不再接收新的请求
po.join() # 等待po中所有子进程执行完成，必须放在close语句之后
print("-----end-----")
