目錄
Unix/Linux操作系統提供了一個fork()系統調用，它非常特殊。
讓Python程序實現多進程（multiprocessing）
Unix/Linux操作系統提供了一個fork()系統調用，它非常特殊。
普通的函數調用，調用一次，返回一次，
但是fork()調用一次，返回兩次，因爲操作系統自動把當前進程（稱爲父進程）複製了一份（稱爲子進程），然後，分別在父進程和子進程內返回。
子進程永遠返回0，而父進程返回子進程的ID。這樣做的理由是，一個父進程可以fork出很多子進程，所以，父進程要記下每個子進程的ID，而子進程只需要調用getppid()就可以拿到父進程的ID。
Python的os模塊封裝了常見的系統調用，其中就包括fork，可以在Python程序中輕鬆創建子進程
import os
print('Process (%s) start...' % os.getpid())
# Only works on Unix/Linux/Mac:
pid = os.fork()
if pid == 0:
print('I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid()))
else:
print('I (%s) just created a child process (%s).' % (os.getpid(), pid))
# 運行結果如下：
Process (876) start...
I (876) just created a child process (877).
I am child process (877) and my parent is 876.
# 總結: 獲取自己os.getpid 子進程獲取父進程os.getppid 父進程獲取子進程pid
有了fork調用，一個進程在接到新任務時就可以複製出一個子進程來處理新任務，
常見的Apache服務器就是由父進程監聽端口，每當有新的http請求時，就fork出子進程來處理新的http請求。
multiprocessing
如果你打算編寫多進程的服務程序，Unix/Linux無疑是正確的選擇。由於Windows沒有fork調用，難道在Windows上無法用Python編寫多進程的程序？
由於Python是跨平臺的，自然也應該提供一個跨平臺的多進程支持。multiprocessing模塊就是跨平臺版本的多進程模塊。
multiprocessing模塊提供了一個Process類來代表一個進程對象，下面的例子演示了啓動一個子進程並等待其結束：
from multiprocessing import Process
import os
def run_proc(name):
print('Run child process %s (%s)...'%(name, os.getpid()))
if __name__ == '__main__':
print('Parent process %s...',os.getpid())
p = Process(target = run_proc,args = ('test',))
#Process（target=函數名，args=（），name,kwargs）
#target:加進程調用的函數名，一般不加括號
#name：進程的名字
#kwargs：字典參數
#args：元組參數，如果參數就一個，記得加逗號’，’
print('Child process will start')
p.start()
p.join()
print('Child process end.')
#運行結果
Parent process %s... 16021
Child process will start
Run child process test (16025)...
Child process end.
創建子進程時，只需要傳入一個執行函數和函數的參數，創建一個Process實例，用start()方法啓動，這樣創建進程比fork()還要簡單。
join()方法可以等待子進程結束後再繼續往下運行，通常用於進程間的同步。
Pool
如果要啓動大量的子進程，可以用進程池的方式批量創建子進程：
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print('Run task %s (%s)..' % (name, os.getpid()))
start = time.time()
time.sleep(random.random()*3)
end = time.time()
print('Task %s runs %0.2f seconds' % (name, (end - start)))
if __name__ == '__main__':
print('Parent process %s...' % os.getpid())
p = Pool(4)
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print('Waiting for all subprocesses done...')
p.close()
p.join()
print('All subprocess done.')
#運行結果
Run task 0 (16587)..
Run task 1 (16588)..
Run task 2 (16589)..
Run task 3 (16590)..
Task 1 runs 1.51 seconds
Run task 4 (16588)..
Task 3 runs 2.02 seconds
Task 4 runs 0.72 seconds
Task 0 runs 2.40 seconds
Task 2 runs 2.71 seconds
All subprocess done.
代碼解讀：
對Pool對象調用join()方法會等待所有子進程執行完畢，調用join()之前必須先調用close()，調用close()之後就不能繼續添加新的Process了。
請注意輸出的結果，task 0，1，2，3是立刻執行的，而task 4要等待前面某個task完成後才執行，這是因爲Pool的默認大小在我的電腦上是4，因此，最多同時執行4個進程。這是Pool有意設計的限制，並不是操作系統的限制。如果改成：
p = Pool(5)
就可以同時跑5個進程。
由於Pool的默認大小是CPU的核數，如果你不幸擁有8核CPU，你要提交至少9個子進程才能看到上面的等待效果。
子進程
很多時候，子進程並不是自身，而是一個外部進程。我們創建了子進程後，還需要控制子進程的輸入和輸出。
subprocess模塊可以讓我們非常方便地啓動一個子進程，然後控制其輸入和輸出。
下面的例子演示瞭如何在Python代碼中運行命令nslookup www.python.org，這和命令行直接運行的效果是一樣的：
import subprocess
print('$ nslookup www.python.org')
# nslookup 查詢域名對應的IP地址。
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
運行結果：
$ nslookup www.python.org
Server: 127.0.1.1
Address: 127.0.1.1#53
Non-authoritative answer:
www.python.org canonical name = dualstack.python.map.fastly.net.
Name: dualstack.python.map.fastly.net
Address: 151.101.228.223
Exit code: 0
如果子進程還需要輸入，則可以通過communicate()方法輸入：(這部分我還沒有看完)
import subprocess
print('$ nslookup')
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
#https://blog.csdn.net/carolzhang8406/article/details/22286913
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
print(output.decode('utf-8'))
print('Exit code:', p.returncode)
上面的代碼相當於在命令行執行命令nslookup，然後手動輸入：
set q=mx
python.org
exit
運行結果如下：
$ nslookup
Server: 192.168.19.4
Address: 192.168.19.4#53
Non-authoritative answer:
python.org mail exchanger = 50 mail.python.org.
Authoritative answers can be found from:
mail.python.org internet address = 82.94.164.166
mail.python.org has AAAA address 2001:888:2000:d::a6
Exit code: 0
進程間通信
Process之間肯定是需要通信的，操作系統提供了很多機制來實現進程間的通信。Python的multiprocessing模塊包裝了底層的機制，提供了Queue、Pipes等多種方式來交換數據。
我們以Queue爲例，在父進程中創建兩個子進程，一個往Queue裏寫數據，一個從Queue裏讀數據：
from multiprocessing import Process, Queue
import os, time, random
# 寫數據進程執行的代碼:
def write(q):
print('Process to write: %s' % os.getpid())
for value in ['A', 'B', 'C']:
print('Put %s to queue...' % value)
q.put(value)
time.sleep(random.random())
# 讀數據進程執行的代碼:
def read(q):
print('Process to read: %s' % os.getpid())
while True:
value = q.get(True)
print('Get %s from queue.' % value)
if __name__=='__main__':
# 父進程創建Queue，並傳給各個子進程：
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 啓動子進程pw，寫入:
pw.start()
# 啓動子進程pr，讀取:
pr.start()
# 等待pw結束:
pw.join()
# pr進程裏是死循環，無法等待其結束，只能強行終止:
pr.terminate()
運行結果如下：
Process to write: 50563
Put A to queue...
Process to read: 50564
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
Get C from queue.
在Unix/Linux下，multiprocessing模塊封裝了fork()調用，使我們不需要關注fork()的細節。由於Windows沒有fork調用，因此，multiprocessing需要“模擬”出fork的效果，父進程所有Python對象都必須通過pickle序列化再傳到子進程去，所以，如果multiprocessing在Windows下調用失敗了，要先考慮是不是pickle失敗了。
小結
在Unix/Linux下，可以使用fork()調用實現多進程。
要實現跨平臺的多進程，可以使用multiprocessing模塊。
進程間通信是通過Queue、Pipes等實現的。