python下的manage和进程池实例讲解

Manage

以上实现的数据共享的方式只有两种结构Value和Array。Python中提供了强大的Manage专门用来做数据共享的，其支持的类型非常多，包括，Value， Array，list，dict， Queue, Lock等。

示例：

import multiprocessing

def worker(dic,list):
    list += range(11,16)
    for i in xrange(1,6):
        key  ="key{0}".format(i)
        val = "val{0}".format(i)
        dic[key]=val
 #   print "##"
if __name__ =='__main__':
    mamager=multiprocessing.Manager()
    d=mamager.dict()
    l=mamager.list()
    p=multiprocessing.Process(target=worker,args=(d,l))
    p.start()
    p.join()
    print (d)
    print (l)
    print ("main end")

结果：

{‘key3’: ‘val3’, ‘key2’: ‘val2’, ‘key1’: ‘val1’, ‘key5’: ‘val5’, ‘key4’: ‘val4’}

[11, 12, 13, 14, 15]

main end

进程池

Pool可以提供指定数量的进程，供用户调用，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规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程。

阻塞和非阻塞的区别：

Pool.apply_async 非阻塞，定义的进程池进程最大数可以同时执行。

Pool.apply 一个进程结束，释放回进程池，下一个进程才可以开始

import multiprocessing
import time
def worker(msg):
    print ("####start {0}####").format(msg)
    time.sleep(1)
    print ("####end {0}#####").format(msg)

if __name__ =="__main__":
    print ("main start ")
    pool =multiprocessing.Pool(processes=3)
    for i in xrange(1,6):
        msg = "hello {0}".format(i)
        pool.apply_async(func=worker,args=(msg,))
    pool.close()
    pool.join()
    print("main end")

结果：

main start

start hello 1

start hello 2

start hello 3

end hello 1

start hello 4

end hello 3#########end hello 2

start hello 5

end hello 4

end hello 5

main end