ProcessPoolExecutor 的使用

参考：
https://blog.csdn.net/u013842501/article/details/117717200

from concurrent.futures import ProcessPoolExecutor

def target_func(args):
  pass
  return ans

def init_func(init_args):
  pass

Pool = ProcessPoolExecutor(max_workers=3,mp_context=multiprocessing.get_context('spawn'), initializer=init_func,initargs=(init_args,),)

future = Pool.submit(target_func, args)

ans = future.result()

注意

1. ProcessPoolExecutor 里面启动的进程都是持久化的，不会因为没有任务都退出，每一次被调用只会执行一次 target_func 函数，之后可以理解为继续等待！
2. future.result() 是阻塞的，一直会等到target_func() 执行完成
3. init_func 是每一个子进程启动时进行的函数，可以通过全局变量等为每一个进程初始化必要参数 (在深度学习背景下就是模型/数据库等) 这些参数是持久化并可被反复调用的！
4. 进程之间交换数据只能bytes类型，可以使用pickle.dumps()/pickle.loads()完成
5. mp_context=multiprocessing.get_context('spawn') 这里可以指定进程的启动类型，spawn 可以被替换为 fork 等
6. 进程之间数据相互独立！不共用内存！