Python多进程怎么用？multiprocessing详解

## Python多进程怎么用？multiprocessing全解析 想要提升Python程序的性能，充分利用多核CPU？多进程（multiprocessing）是关键！本文将深入解析Python的multiprocessing模块，教你轻松实现多进程编程，突破GIL限制，让计算密集型任务飞起来。从创建并启动进程（Process类，target函数，start()启动，join()等待），到并发执行多个进程，再到利用Pool进程池高效管理大量任务（map、apply_async、starmap等方法），我们将逐一讲解。此外，本文还将介绍进程间通信（IPC）的多种方式，包括Queue、Pipe、Value/Array和Manager，助你实现进程间的数据传递与共享。掌握本文内容，你将能够灵活运用Python多进程，优化程序性能，提升开发效率。

Python中使用multiprocessing模块可通过多进程提升性能，尤其适合计算密集型任务。1. 创建并启动进程使用Process类，通过target指定函数，start()启动，join()确保主进程等待；2. 多个进程并发执行可循环创建多个Process实例并启动，适用于任务相互独立的情况；3. 使用Pool进程池管理大量进程，常见方法有map、apply_async和starmap，with Pool(...)推荐写法自动管理资源；4. 进程间通信通过Queue、Pipe、Value/Array和Manager实现，支持数据传递与共享。掌握这些内容即可灵活优化程序性能。

在Python中，使用多进程（multiprocessing）是提升程序性能、充分利用多核CPU的有效方式。尤其当你需要处理大量计算密集型任务时，多进程比多线程更合适，因为它是绕过GIL（全局解释器锁）限制的一种手段。

下面我们就来看看如何在Python中使用multiprocessing模块进行多进程编程。

1. 创建并启动一个进程

最基础的用法就是通过Process类来创建一个新的进程。和threading.Thread类似，但不同的是每个进程拥有独立的内存空间。

from multiprocessing import Process
import os

def show_pid():
    print(f"当前进程ID: {os.getpid()}")

if __name__ == "__main__":
    p = Process(target=show_pid)
    p.start()
    p.join()

• target：指定要运行的函数；
• start()：启动子进程；
• join()：等待子进程执行完毕再继续主进程；

小提示：如果你不加join()，主进程可能在子进程还没执行完就结束了，导致输出不全或看不到结果。

2. 多个进程并发执行

实际应用中，我们往往需要同时运行多个进程来处理不同的任务。可以通过循环创建多个Process实例，并依次启动它们。

processes = []
for i in range(4):
    p = Process(target=show_pid)
    processes.append(p)
    p.start()

for p in processes:
    p.join()

• 启动多个进程后记得都调用join()；
• 如果不控制顺序，所有进程会“几乎”同时开始执行；
• 这种方式适合任务之间相互独立的情况。

3. 使用进程池（Pool）管理大量进程

当你需要处理几十甚至上百个任务时，手动管理每个进程效率太低，这时候应该使用Pool进程池。

from multiprocessing import Pool

def square(x):
    return x * x

if __name__ == "__main__":
    with Pool(4) as pool:  # 启动4个进程
        results = pool.map(square, range(10))
    print(results)

常见方法：

• map(func, iterable)：将可迭代对象分发给多个进程；
• apply_async(func[, args])：异步执行函数；
• starmap()：支持传入多个参数的map版本；

注意：with Pool(...)是推荐写法，它能自动关闭资源，避免忘记调用pool.close()和pool.join()。

4. 进程间通信与数据共享

由于每个进程都有自己独立的内存空间，所以不能像多线程那样直接共享变量。但multiprocessing提供了一些机制来实现进程间通信（IPC）：

• Queue：安全的队列，用于传递数据；
• Pipe：点对点通信，适用于两个进程；
• Value / Array：共享内存，适用于少量数据；
• Manager：更高级的共享方式，支持列表、字典等复杂结构。

例如使用Queue：

from multiprocessing import Process, Queue

def put_data(q):
    q.put("Hello from child")

def get_data(q):
    print(q.get())

if __name__ == "__main__":
    q = Queue()
    p1 = Process(target=put_data, args=(q,))
    p2 = Process(target=get_data, args=(q,))
    p1.start()
    p2.start()
    p1.join()
    p2.join()

基本上就这些。掌握好这些内容，你就可以在Python中灵活地使用多进程来优化你的程序了。虽然看起来有点复杂，但只要理解了基本逻辑和适用场景，用起来其实并不难。

到这里，我们也就讲完了《Python多进程怎么用？multiprocessing详解》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！