多进程与多线程 - Python

#对比
####效率：多进程 < 普通 < 多线程

---
#多进程（multiprocessing）
	#导入模块
	import multiprocessing as mp

#定义调用函数
	def job(a,d):
		print('aaaddd')

#创建进程
	p1 = mp.Process(target=job,args(1,2))

#启动进程
	p1.start()

#连接进程
	p1.join()

#多线程（threading）
	#导入模块
	import threading as td
	
	#定义调用函数
	def job(a,b):
		print("aaabbb")
	
	#创建线程
	t1 = td.Thread(target=job,args=(1,2))
	
	#启动线程
	t1.start()
	
	#连接线程
	t1.join()
	
---
#队列（Queue）
	import multiprocessing as mp
	import threading as td

def job(q):
	    res=0
	    for i in range(1000):
	        res+=i+i**2+i**3
	    q.put(res)    #写入队列

if __name__=='__main__':
	    q = mp.Queue()	#创建多进程队列,多线程thread可放入process同样的queue中（重要）
	    p1 = mp.Process(target=job,args=(q,))
	    p2 = mp.Process(target=job,args=(q,))
	    p1.start()
	    p2.start()
	    p1.join()
	    p2.join()
	    res1 = q.get()    #获取队列值
	    res2 = q.get()	#获取队列值
	    print(res1+res2)

---
#进程池（Pool）
####进程池就是我们将所要运行的东西，放到池子里，Python会自行解决多进程的问题
####我们向池子里丢数据，池子就会返回函数返回的值。 Pool和之前的Process的不同点是丢向Pool的函数有返回值，而Process的没有返回值。
	import multiprocessing as mp

def job(x):
	    return x*x

def multicore():
	    pool = mp.Pool(processes=2)		#调用CPU核数
	    res = pool.map(job, range(10))	 #在map()中需要放入函数和需要迭代运算的值，然后它会自动分配给CPU核，返回结果
	    print(res)

if __name__ == '__main__':
	    multicore()

####运行结果：
	[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]