关于多进程，网络上有很多多线程理论，这里不赘述。
这篇文章通过实验直接展示了Python的“多进程”的效果，即使不了解详细情况，在工作中需要使用的时候也可以直接复制代码使用。 并不是所有的网络工程师都要花时间研究代码……。
实验中的任务和使用时：
任务1:1s
任务2:2s
任务3:3s
单进程代码
单进程
上面的代码非常普通地执行三个任务。 os.getpID ()显示当前的进程id，最后的t2-t1计算时间差，让我们来看看效果。 ) )。
单过程效应
由效果可知，3个任务依次执行，进程ID均为1112，分别为1s、2s、3s，因此共计6s。 现在，让我们来看看多进程。
多进程代码
多进程
其实并不比前面的代码多几行，引入多进程“多处理”模块，设置进程池，执行任务。 观察效果() 9503.163.com) )。
多进程效应
如上图所示，使用多进程后，合计执行时间减少到了4秒，我注意这里故意挖了个洞。 为什么是多进程，任务1和任务3的进程ID相同吗？ 明明3个任务同时执行的话，3s (任务3消耗的时间)就应该完成了，为什么是4秒？
由于进程池pool=multiprocessing.Pool ()没有设置参数，因此缺省值为CPU的内核数。 我的笔记本电脑只有双核。 也就是说，默认值为2。 也就是说，一次只能同时执行两个任务。 所以上面的代码：任务1和任务2同时开始执行，任务1执行后，任务3继续执行……明白吗？
现在，如果将pool的值更改为3以上，理论上可以同时执行3个以上的任务。 () 9504.163.com)。
pool=3
多进程效应
上图所示的效果是，3个任务同时执行，分别有不同的进程ID，执行时间只有3秒。
实验结束。
本篇文章主要以Python、网络通讯、linux为主，基本上都是实战说话，都是原创。 欢迎评论、收藏、订阅，大家一起学习。