multiprocessing模块可以让程序并行化，加快运行速度。

 

并行化的概念可以比喻成若干个人去银行办理业务，只有一个银行窗口可以办理，所以大家只能排队等待。并行化任务后，好似开放了多个银行窗口，这样大家就可以分别处理各自的事情，

最终大家都很快的办理完了自己的业务，完成了全部的任务。

 

并行化有两种方式：共享内存式和分布式内存。共享内存，各个任务都公用一块内存数据，会产生矛盾问题（比如说我要往a账户处存1，你要同时从a处取200，到底怎么处理，这样产生矛盾，就涉及到谁先谁后，以及如何加锁数据等问题）；分布式内存各自开辟自己的内存区域（各有各的账户），互不影响。

 

multiprocessing模块内部有套自己的解决锁问题的方案。multiprocessing的Pool类提供了并行化的简便方法。管理进程池机制。

 python3内置了multiprocessing模块。

示例代码：

import multiprocessing


def get_result(num):
    process_name = multiprocessing.current_process().name  # 当前进程名称
    print("当前进程：", process_name, ",输入数字：", num)
    return 10 * num


if __name__ == '__main__':
    numbers = [2, 4, 6, 8]  #
    pool = multiprocessing.Pool(2)  # 创建两个进程池
    mylist = pool.map(func=get_result, iterable=numbers)  # 将get_result函数应用到每个numbers的元素上
    pool.close()  # close（）函数在工作进程执行后停止它
    pool.join()  # 阻塞直到工作进程终止
    print("输出:", mylist)  # 完毕后输出总结果

结果如下：

当前进程： SpawnPoolWorker-1 ,输入数字： 2
当前进程： SpawnPoolWorker-1 ,输入数字： 4
当前进程： SpawnPoolWorker-1 ,输入数字： 6
当前进程： SpawnPoolWorker-2 ,输入数字： 8
输出: [20, 40, 60, 80]

Process finished with exit code 0

将numbers列表的每个元素乘10，并返回最终结果。

使用了进程池1三次，进程池2一次。需要注意的是每次结果不一样，不一定调用哪个进程池。