接上一篇文章：Python学习笔记(二十五)：使用跨平台的 Process 创建子进程
当需要创建的子进程数量不多时，可以直接利用 multiprocessing 模块中的 Process 类动态生成多个进程；但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以使用 multiprocessing 模块提供的 Pool 类去完成；
初始化 Pool 对象时，可以指定一个最大进程数，当有新的请求提交到 Pool 中时，如果池还没有满，那么就会创建一个新的进程来执行该请求；但如果池中的进程数已经达到了指定的最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来执行；
以下代码用 Pool 方法创建子进程：
# 导入 multiprocessing 模块中的 Pool 类
from multiprocessing import Pool
import os
import time
import random
# 声明一个函数：作为子进程执行的代码
def worker(i):
print("任务 %d 开始执行，进程ID：%d" %(i, os.getpid()))
time.sleep(1)
print("任务 %d 执行完毕" %(i))
# 实例化一个进程池对象，最大进程数为3，即进程池中最多存在3个子进程
pool = Pool(3)
for i in range(1, 6):
# 向进程池中添加任务，取出进程池中的子进程对象执行该任务；
# 如果添加的任务数量超过了进程池中进程个数，那么会等待进程池中的进程
# 执行完之前的任务之后，再来执行当前新添加的任务；
# 参数1表示子进程执行的对象；
# 参数2表示传入到子进程中的数据，以元祖的形式传入；
pool.apply_async(worker, (i, ))
print("=== start ===")
pool.close() # 关闭进程池，关闭后不再接受新的请求
pool.join() # 等待进程池中所有子进程执行完毕，必须放在 close() 方法后面
print("=== end ===")
输出结果：
pool.apply_async(func, args) 方法是使用非阻塞的方式调用 func，即进程池启用子进程执行任务的时候，进程池中的多个子进程可以同时执行，并且主进程也可以同时执行；参数 args 是传入进程中的数据，使用元组的形式传入；
pool.apply(func, args) 方法是使用阻塞的方法调用 func，即进程池启用子进程执行任务的时候，当前进程阻塞，直到该进程执行结束后，才会继续向下执行；不管是进程池中的其他进程，还是主进程，都要等待； 如下代码所示：
# 导入 multiprocessing 模块中的 Pool 类
from multiprocessing import Pool
import os
import time
import random
# 声明一个函数：作为子进程执行的代码
def worker(i):
print("任务 %d 开始执行，进程ID：%d" %(i, os.getpid()))
time.sleep(1)
print("任务 %d 执行完毕" %(i))
# 实例化一个进程池对象，最大进程数为3，即进程池中最多存在3个子进程
pool = Pool(3)
for i in range(1, 6):
# 以阻塞的方式启动进程池中的进程
pool.apply(worker, (i, ))
print("=== start ===")
pool.close() # 关闭进程池，关闭后不再接受新的请求
pool.join() # 等待进程池中所有子进程执行完毕，必须放在 close() 方法后面
print("=== end ===")
输出结果：
