Python 进阶【二】：多进程编程

一、什么是进程？

• 进程（Process）：操作系统分配资源的最小单位。每个运行中的程序就是一个进程。
• 线程（Thread）：进程内最小的执行单元，可看作轻量级进程。

💡 Python 的多线程受 GIL 限制，在 CPU 密集型任务中难以实现真正的并行。多进程是绕过 GIL、充分利用多核 CPU 的推荐方式。

---

二、基础用法：multiprocessing.Process

1. 创建进程

from multiprocessing import Process
import os, timedef task():time.sleep(2)print('子进程ID：', os.getpid())if __name__ == '__main__':print('主进程ID：', os.getpid())processes = []for _ in range(10):p = Process(target=task)p.start()processes.append(p)for p in processes:p.join()

2. 常用参数和方法

属性 / 方法	说明
target	执行函数
args / kwargs	传参
start()	启动进程
join(timeout)	阻塞等待
is_alive()	是否仍在运行
terminate()	终止进程
daemon	设置是否为守护进程
pid / exitcode	进程 ID / 退出码

---

三、进程池：multiprocessing.Pool

1. 创建进程池并提交任务

from multiprocessing import Pool
import timedef task(name):time.sleep(2)print(f"{name} 执行完毕")if __name__ == '__main__':pool = Pool(processes=4)for i in range(6):pool.apply_async(task, args=(f"任务{i}",))  # 非阻塞方式pool.close()pool.join()

2. 方法说明

方法	描述
apply()	阻塞提交
apply_async()	非阻塞提交，支持回调函数
close() / join()	关闭进程池 / 等待结束

---

四、进程间通信

1. 使用 Pipe（管道）

from multiprocessing import Pipe, Processdef send_data(conn, data):conn.send(data)def receive_data(conn):print(conn.recv())if __name__ == '__main__':conn1, conn2 = Pipe()Process(target=send_data, args=(conn1, 'Hello')).start()Process(target=receive_data, args=(conn2,)).start()

2. 使用 Queue（队列）

from multiprocessing import Queue, Processdef set_data(q, val):q.put(val)def get_data(q):print(q.get())if __name__ == '__main__':q = Queue()Process(target=set_data, args=(q, '数据')).start()Process(target=get_data, args=(q,)).start()

---

五、进程同步（锁）

1. 不加锁的输出（可能混乱）

from multiprocessing import Process
import os, timedef task():print(f"{os.getpid()} start")time.sleep(2)print(f"{os.getpid()} end")for _ in range(3):Process(target=task).start()

2. 加锁保证输出顺序

from multiprocessing import Process, Lock
import os, timedef task(lock):with lock:print(f"{os.getpid()} start")time.sleep(2)print(f"{os.getpid()} end")if __name__ == '__main__':lock = Lock()for _ in range(3):Process(target=task, args=(lock,)).start()

---

六、共享状态

1. 使用共享内存：Value 和 Array

from multiprocessing import Process, Value, Arraydef modify(shared_num, shared_arr):shared_num.value = 100.5for i in range(len(shared_arr)):shared_arr[i] = -shared_arr[i]if __name__ == '__main__':num = Value('d', 0.0)arr = Array('i', range(5))p = Process(target=modify, args=(num, arr))p.start()p.join()print(num.value)print(arr[:])

2. 使用 Manager 提供的共享对象

from multiprocessing import Process, Managerdef modify(shared_dict, shared_list):shared_dict[1] = '一'shared_list.reverse()if __name__ == '__main__':with Manager() as manager:d = manager.dict()l = manager.list(range(5))p = Process(target=modify, args=(d, l))p.start()p.join()print(d)print(l)

---

七、实战总结

应用场景	推荐方案	原因说明
CPU 密集型任务	多进程	绕过 GIL，真正多核并行
I/O 密集型任务	多线程 / 协程	利用线程或异步释放等待时间
多任务并发管理	进程池（Pool）	简化进程创建与调度，避免资源浪费
多进程通信	Pipe / Queue	实现进程间数据传输
状态共享	Value / Array / Manager	灵活、安全地在进程间共享数据

---

八、推荐阅读

• 📚 官方文档：multiprocessing — Process-based parallelism