Multiprocessing.Pool可以提供指定數量的進程供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，那麼就會創建一個新的進程用來執行該請求；但如果池中的進程數已經達到規定最大值，那麼該請求就會等待，直到池中有進程結束，纔會創建新的進程來執行它。Pool類用於需要執行的目標很多，而手動限制進程數量又太繁瑣時，如果目標少且不用控制進程數量則可以用Process類。
class multiprocessing.pool.Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]])
- processes： 是要使用的工作進程數。如果進程是None，那麼使用返回的數字os.cpu_count()。也就是說根據本地的cpu個數決定，processes小於等於本地的cpu個數；
- initializer： 如果initializer是None，那麼每一個工作進程在開始的時候會調用initializer(*initargs)。
- maxtasksperchild：工作進程退出之前可以完成的任務數，完成後用一個新的工作進程來替代原進程，來讓閒置的資源被釋放。maxtasksperchild默認是None，意味着只要Pool存在工作進程就會一直存活。
- context: 用在制定工作進程啓動時的上下文，一般使用 multiprocessing.Pool() 或者一個context對象的Pool()方法來創建一個池，兩種方法都適當的設置了context。
實例方法
1.1、apply（func [，args [，kwds ] ] ）
使用參數args和關鍵字參數kwds調用func。它會阻塞，直到結果準備就緒。鑑於此塊，更適合並行執行工作。此外，func 僅在池中的一個工作程序中執行。
from multiprocessing import Pool
import time
def test(p):
print(p)
time.sleep(3)
if __name__=="__main__":
pool = Pool(processes=10)
for i in range(500):
'''
('\n'
' （1）遍歷500個可迭代對象，往進程池放一個子進程\n'
' （2）執行這個子進程，等子進程執行完畢，再往進程池放一個子進程，再執行。（同時只執行一個子進程）\n'
' for循環執行完畢，再執行print函數。\n'
' ')
'''
pool.apply(test, args=(i,)) #維持執行的進程總數爲10，當一個進程執行完後啓動一個新進程.
print('test')
pool.close()
pool.join()
'''
1
2
3
4
5
6
7
8
Process finished with exit code -1
'''
for循環內執行的步驟順序，往進程池中添加一個子進程，執行子進程，等待執行完畢再添加一個子進程……等500個子進程都執行完了，再執行print。（從結果來看，並沒有多進程併發）
1.2、apply_async（func [，args [，kwds [，callback [，error_callback ] ] ] ] ）
異步進程池（非阻塞）,返回結果對象的方法的變體。如果指定了回調，則它應該是可調用的，它接受單個參數。當結果變爲就緒時，將對其應用回調，即除非調用失敗，在這種情況下將應用error_callback。如果指定了error_callback，那麼它應該是一個可調用的，它接受一個參數。如果目標函數失敗，則使用異常實例調用error_callback。回調應立即完成，否則處理結果的線程將被阻止。
from multiprocessing import Pool
import time
def test(p):
print(p)
time.sleep(3)
if __name__=="__main__":
pool = Pool(processes=2)
for i in range(500):
'''
（1）循環遍歷，將500個子進程添加到進程池（相對父進程會阻塞）\n'
（2）每次執行2個子進程，等一個子進程執行完後，立馬啓動新的子進程。（相對父進程不阻塞）\n'
'''
pool.apply_async(test, args=(i,)) #維持執行的進程總數爲10，當一個進程執行完後啓動一個新進程.
print('test')
pool.close()
pool.join()
'''
test
0
1
2
3
4
5
6
7
Process finished with exit code -1
'''
調用join之前，先調用close或者terminate方法，否則會出錯。執行完close後不會有新的進程加入到pool,join函數等待所有子進程結束。
1.3、map（func，iterable [，chunksize ] ）
map()內置函數的並行等價物（儘管它只支持一個可迭代的參數）。它會阻塞，直到結果準備就緒。此方法將iterable內的每一個對象作爲單獨的任務提交給進程池。可以通過將chunksize設置爲正整數來指定這些塊的（近似）大小。
from multiprocessing import Pool
def test(i):
print(i)
if __name__ == "__main__":
lists = [1, 2, 3]
pool = Pool(processes=2) #定義最大的進程數
pool.map(test, lists) #p必須是一個可迭代變量。
pool.close()
pool.join()
'''
1
2
3
'''
1.4、map_async（func，iterable [，chunksize [，callback [，error_callback ] ] ] ）
map()返回結果對象的方法的變體。需要傳入可迭代對象iterable
from multiprocessing import Pool
import time
def test(p):
print(p)
time.sleep(3)
if __name__=="__main__":
pool = Pool(processes=2)
# for i in range(500):
# '''
# （1）循環遍歷，將500個子進程添加到進程池（相對父進程會阻塞）\n'
# （2）每次執行2個子進程，等一個子進程執行完後，立馬啓動新的子進程。（相對父進程不阻塞）\n'
# '''
# pool.apply_async(test, args=(i,)) #維持執行的進程總數爲10，當一個進程執行完後啓動一個新進程.
pool.map_async(test, range(500))
print('test')
pool.close()
pool.join()
'''
test
0
63
1
64
2
65
3
66
Process finished with exit code -1
'''
1.5、imap（func，iterable [，chunksize ] ）
返回迭代器，next()調用返回的迭代器的方法得到結果，imap()方法有一個可選的超時參數： next(timeout)將提高multiprocessing.TimeoutError如果結果不能內退回超時秒。
1.6、close（）
防止任何更多的任務被提交到池中。 一旦完成所有任務，工作進程將退出。
1.7、terminate（）
立即停止工作進程而不完成未完成的工作。當池對象被垃圾收集時，terminate()將立即調用。
1.8、join（）
等待工作進程退出。必須打電話close()或 terminate()使用之前join()。
from multiprocessing import Pool
import time
def f(x):
return x*x
if __name__ == '__main__':
with Pool(processes=4) as pool: # start 4 worker processes
result = pool.apply_async(f, (10,)) # evaluate "f(10)" asynchronously in a single process
print(result.get(timeout=1)) # prints "100" unless your computer is *very* slow
print(pool.map(f, range(10))) # prints "[0, 1, 4,..., 81]"
it = pool.imap(f, range(10))
print(next(it)) # prints "0"
print(next(it)) # prints "1"
print(it.next(timeout=1)) # prints "4" unless your computer is *very* slow
result = pool.apply_async(time.sleep, (10,))
print(result.get(timeout=1)) # raises multiprocessing.TimeoutError
'''
100
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
0
1
4
Traceback (most recent call last):
File "C:/Users/BruceWong/Desktop/develop/multiprocessingpool.py", line 19, in <module>
print(next(res))
TypeError: 'MapResult' object is not an iterator
Process finished with exit code 1
'''