当前位置：首页 > article >正文

一文速通Python并行计算：12 Python多进程编程-进程池Pool

article 2025/8/17 13:33:18

一文速通 Python 并行计算：12 Python 多进程编程-进程池 Pool

摘要：

在Python多进程编程中，Pool类用于创建进程池，可并行执行多个任务。通过map、apply等方法，将函数和参数分发到子进程，提高CPU利用率，简化进程管理，便于资源复用。适用于CPU密集型场景。

关于我们更多介绍可以查看云文档：Freak 嵌入式工作室云文档，或者访问我们的 wiki：****https://github.com/leezisheng/Doc/wik

原文链接：

FreakStudio的博客

往期推荐：

可能是全网最适合入门的面向对象编程教程：Python实现-嵌入式爱好者必看！

全网最适合入门的面向对象编程教程：00 面向对象设计方法导论

全网最适合入门的面向对象编程教程：01 面向对象编程的基本概念

全网最适合入门的面向对象编程教程：02 类和对象的Python实现-使用Python创建类

全网最适合入门的面向对象编程教程：03 类和对象的Python实现-为自定义类添加属性

全网最适合入门的面向对象编程教程：04 类和对象的 Python 实现-为自定义类添加方法

全网最适合入门的面向对象编程教程：05 类和对象的Python实现-PyCharm代码标签

全网最适合入门的面向对象编程教程：06 类和对象的 Python 实现-自定义类的数据封装

全网最适合入门的面向对象编程教程：07 类和对象的Python实现-类型注解

全网最适合入门的面向对象编程教程：08 类和对象的 Python 实现-@property 装饰器

全网最适合入门的面向对象编程教程：09 类和对象的Python实现-类之间的关系

全网最适合入门的面向对象编程教程：10 类和对象的Python实现-类的继承和里氏替换原则

全网最适合入门的面向对象编程教程：11 类和对象的Python实现-子类调用父类方法

全网最适合入门的面向对象编程教程：12 类和对象的 Python 实现-Python 使用 logging 模块输出程序运行日志

全网最适合入门的面向对象编程教程：13 类和对象的 Python 实现-可视化阅读代码神器 Sourcetrail 的安装使用

全网最适合入门的面向对象编程教程：14 类和对象的Python实现-类的静态方法和类方法

全网最适合入门的面向对象编程教程：15 类和对象的Python实现-__slots__魔法方法

全网最适合入门的面向对象编程教程：16 类和对象的Python实现-多态、方法重写与开闭原则

全网最适合入门的面向对象编程教程：17 类和对象的Python实现-鸭子类型与“file-like object“

全网最适合入门的面向对象编程教程：18 类和对象的Python实现-多重继承与PyQtGraph串口数据绘制曲线图

全网最适合入门的面向对象编程教程：19 类和对象的 Python 实现-使用 PyCharm 自动生成文件注释和函数注释

全网最适合入门的面向对象编程教程：20 类和对象的 Python 实现-组合关系的实现与 CSV 文件保存

全网最适合入门的面向对象编程教程：21 类和对象的 Python 实现-多文件的组织：模块 module 和包 package

全网最适合入门的面向对象编程教程：22 异常捕获-异常和语法错误

全网最适合入门的面向对象编程教程：23 异常捕获-抛出异常

全网最适合入门的面向对象编程教程：24 异常捕获现-异常的捕获与处理：try/except语句、文件读写示例、Exception引用

全网最适合入门的面向对象编程教程：25 异常捕获-Python 判断输入数据类型

全网最适合入门的面向对象编程教程：26 异常捕获-上下文管理器和with语句

全网最适合入门的面向对象编程教程：27 异常捕获-Python 中异常层级与自定义异常类的实现

全网最适合入门的面向对象编程教程：28 异常捕获-Python编程原则、哲学和规范大汇总

全网最适合入门的面向对象编程教程：29 异常捕获-断言与防御性编程和help函数的使用

全网最适合入门的面向对象编程教程：30 Python的内置数据类型-object根类

全网最适合入门的面向对象编程教程：31 Python的内置数据类型-对象Object和类型Type

全网最适合入门的面向对象编程教程：32 Python的内置数据类型-类Class和实例Instance

全网最适合入门的面向对象编程教程：33 Python 的内置数据类型-对象 Object 和类型 Type 的关系

全网最适合入门的面向对象编程教程：34 Python的内置数据类型-Python常用复合数据类型：元组和命名元组

全网最适合入门的面向对象编程教程：35 Python的内置数据类型-文档字符串和__doc__属性

全网最适合入门的面向对象编程教程：36 Python的内置数据类型-字典

全网最适合入门的面向对象编程教程：37 Python常用复合数据类型-列表和列表推导式

全网最适合入门的面向对象编程教程：38 Python常用复合数据类型-使用列表实现堆栈、队列和双端队列

全网最适合入门的面向对象编程教程：39 Python 常用复合数据类型-集合

全网最适合入门的面向对象编程教程：40 Python 常用复合数据类型-枚举和 enum 模块的使用

全网最适合入门的面向对象编程教程：41 Python常用复合数据类型-队列（FIFO、LIFO、优先级队列、双端队列和环形队列）

全网最适合入门的面向对象编程教程：42 Python常用复合数据类型-collections容器数据类型

全网最适合入门的面向对象编程教程：43 Python常用复合数据类型-扩展内置数据类型

全网最适合入门的面向对象编程教程：44 Python内置函数与魔法方法-重写内置类型的魔法方法

全网最适合入门的面向对象编程教程：45 Python实现常见数据结构-链表、树、哈希表、图和堆

全网最适合入门的面向对象编程教程：46 Python函数方法与接口-函数与事件驱动框架

全网最适合入门的面向对象编程教程：47 Python函数方法与接口-回调函数Callback

全网最适合入门的面向对象编程教程：48 Python函数方法与接口-位置参数、默认参数、可变参数和关键字参数

全网最适合入门的面向对象编程教程：49 Python函数方法与接口-函数与方法的区别和lamda匿名函数

全网最适合入门的面向对象编程教程：50 Python函数方法与接口-接口和抽象基类

全网最适合入门的面向对象编程教程：51 Python函数方法与接口-使用Zope实现接口

全网最适合入门的面向对象编程教程：52 Python函数方法与接口-Protocol协议与接口

全网最适合入门的面向对象编程教程：53 Python字符串与序列化-字符串与字符编码

全网最适合入门的面向对象编程教程：54 Python字符串与序列化-字符串格式化与format方法

全网最适合入门的面向对象编程教程：55 Python字符串与序列化-字节序列类型和可变字节字符串

全网最适合入门的面向对象编程教程：56 Python字符串与序列化-正则表达式和re模块应用

全网最适合入门的面向对象编程教程：57 Python字符串与序列化-序列化与反序列化

全网最适合入门的面向对象编程教程：58 Python字符串与序列化-序列化Web对象的定义与实现

全网最适合入门的面向对象编程教程：59 Python并行与并发-并行与并发和线程与进程

一文速通Python并行计算：00 并行计算的基本概念

一文速通Python并行计算：01 Python多线程编程-基本概念、切换流程、GIL锁机制和生产者与消费者模型

一文速通Python并行计算：02 Python多线程编程-threading模块、线程的创建和查询与守护线程

一文速通Python并行计算：03 Python多线程编程-多线程同步（上）—基于互斥锁、递归锁和信号量

一文速通Python并行计算：04 Python多线程编程-多线程同步（下）—基于条件变量、事件和屏障

一文速通Python并行计算：05 Python多线程编程-线程的定时运行

一文速通 Python 并行计算：06 Python 多线程编程-基于队列进行通信

一文速通Python并行计算：07 Python多线程编程-线程池的使用和多线程的性能评估

一文速通Python并行计算：08 Python多进程编程-multiprocessing模块、进程的创建命名、获取进程ID、创建守护进程和进程的终止

一文速通Python并行计算：09 Python多进程编程-进程之间的数据同步-基于互斥锁、递归锁、信号量、条件变量、事件和屏障

一文速通 Python 并行计算：10 Python 多进程编程-进程之间的数据共享-基于共享内存和数据管理器

一文速通Python并行计算：11 Python多进程编程-进程之间的数据安全传输-基于队列和管道

文档获取：

可访问如下链接进行对文档下载：

https://github.com/leezisheng/Doc

该文档是一份关于 并行计算 和 Python 并发编程 的学习指南，内容涵盖了并行计算的基本概念、Python 多线程编程、多进程编程以及协程编程的核心知识点：

正文

1.进程池的基本概念

Python 进程池 Pool 和前面讲解的 python 线程池类似，虽然使用多进程能提高效率，但是进程的创建会消耗大量的计算机资源（进程 Process 的创建远远大于线程 Thread 创建占用的资源），线程是计算机最小的运行单位，连线程都需要使用线程池，进程有什么理由不使用进程池？

多进程库提供了 Pool 类来实现简单的多进程任务，Pool 类可以提供指定数量的进程供用户调用，当有新的请求提交到 Pool 中时，如果池还没有满，就会创建一个新的进程来执行请求。如果池满，请求就会告知先等待，直到池中有进程结束，才会创建新的进程来执行这些请求。

Pool 类定义如下：

Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]])
（1）processes 是要使用的工作进程数目。如果 processes 为 None，则使用 os.cpu_count() 返回的值；
（2）initializer 是每个工作进程启动时要执行的可调用对象，默认为None，
initargs是要传给initializer的参数组；
（3）context 可被用于指定启动的工作进程的上下文。通常一个进程池是使用函数 multiprocessing.Pool() 或者一个上下文对象的 Pool() 方法创建的。在这两种情况下， context 都是适当设置的。

注意，进程池对象的方法只有创建它的进程能够调用。

Pool 类主要方法包括：

apply() — 该函数用于传递不定参数，主进程会被阻塞直到函数执行结束（不建议使用，并且 3.x 以后不再出现），函数原型如下：

apply_async— 与 apply 用法一致，但它是非阻塞的且支持结果返回后进行回调，函数原型如下：

map() — Pool 类中的 map 方法，与内置的 map 函数用法基本一致，它会使进程阻塞直到结果返回，函数原型如下：

注意：虽然第二个参数是一个迭代器，但在实际使用中，必须在整个队列都就绪后，程序才会运行子进程。

map_async()— 与 map 用法一致，但是它是非阻塞的。其有关事项见 apply_async，函数原型如下：

close() — 关闭进程池（pool），使其不再接受新的任务。
terminal() — 结束工作进程，不再处理未处理的任务。
join()— 主进程阻塞等待子进程的退出， join 方法要在 close 或 terminate 之后使用。

同时，方法 apply_async() 和 map_async() 的返回值是 AsyncResul 的实例 obj。实例具有以下方法：

obj.get()：返回结果，如果有必要则等待结果到达。timeout 是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发；
obj.ready()：如果调用完成，返回 True；
obj.successful()：如果调用完成且没有引发异常，返回 True，如果在结果就绪之前调用此方法，引发异常；
obj.wait([timeout])：等待结果变为可用；
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果 p 被垃圾回收，将自动调用此函数。

2.apply()方法同步调用

下面的代码中，我们在进程池中创建三个进程，并且使用 apply() 方法同步执行 work() 函数，直到本次任务执行完毕拿到 res，最后在主进程打印结果。同步就是指一个进程在执行某个请求的时候，若该请求需要一段时间才能返回信息，那么这个进程将会一直等待下去，直到收到返回信息才继续执行下去。

import os,time
from multiprocessing import Pooldef work(n):print('%s run' %os.getpid())time.sleep(0.5)return n**2
if __name__ == '__main__':p=Pool(3)res_l=[]for i in range(10):res=p.apply(work,args=(i,))res_l.append(res)print(res_l)

可以看到，虽然 pool 有三个空闲进程，但后面的十个 work 函数都是依次串行执行，并没有并行计算。

3.apply_async()方法异步调用

下面的代码中，我们在进程池中创建三个进程，并且使用 apply_async() 方法异步执行 work() 函数，返回结果之后，将结果放入列表，归还进程，之后再执行新的任务。需要注意的是，进程池中的三个进程不会同时开启或者同时结束，而是执行完一个就释放一个进程，这个进程就去接收新的任务。

import os
import time
import random
from multiprocessing import Pooldef work(n):print('%s run' %os.getpid())time.sleep(random.random())return n**2if __name__ == '__main__':p=Pool(3)res_l=[]for i in range(10):res=p.apply_async(work,args=(i,))res_l.append(res)p.close()p.join()for res in res_l:print(res.get())

如下为运行结果：

可以看到多个 work() 函数并行执行。10 个任务，3 个进程，由于在进程池构造的时候允许同时最多执行 3 个进程，所以同时执行任务 1/任务 2/任务 3，重代码的输出结果来看，任务 1/任务 2/任务 3 执行后，for 循环进入阻塞状态，直到任务 1/任务 2/任务 3 其中一个结束之后才会 for 才会继续执行任务 4/任务 5/任务 6，并保证同时执行的最多只有 3 个任务（进程池 multiprocessing.Pool 和线程池 ThreadPoolExecutor 原理相同）。

这里注意，使用 apply_async 异步提交的任务，主进程需要使用 join() 方法，等待进程池内任务都处理完，然后可以用 get 方法收集 apply_aync 的结果。异步是指进程不需要一直等下去，而是继续执行下面的操作，不管其他进程的状态。当有消息返回时系统会通知进程进行处理，这样可以提高执行的效率。

4.使用 map 方法调用

下面的例子展示了如果通过进程池来执行一个并行应用。我们创建了有 4 个进程的进程池，然后使用 map() 方法进行一个简单的计算，map() 在得到结果之前一直阻塞，此方法将可迭代的数据的每一个元素作为进程池的一个任务来执行。

import multiprocessingdef function_square(data):result = data*datareturn resultif __name__ == '__main__':inputs = list(range(100))pool = multiprocessing.Pool(processes=4)
_    # pool.map()方法将一些独立的任务提交给进程池_pool_outputs = pool.map(function_square, inputs)pool.close()pool.join()
_    # 计算的结果存储在()pool_outputs()中。_
_    # 最后的结果打印出来：_print ('Pool    :', pool_outputs)

如下为运行结果：

5.callback 回调函数

在如下场景中，我们需要使用回调函数：进程池中任何一个任务一旦处理完了，就立即告知主进程处理任务结果，主进程则调用回调函数去处理该结果。我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了 I/O 的过程，直接拿到的是任务的结果。

这里我们以多进程进度条示例进行说明，首先我们需要使用 pip 方法安装 tqdm 库，tqdm 是 Python 进度条库，可以在 Python 长循环中添加一个进度提示信息。用户只需要封装任意的迭代器，是一个快速、扩展性强的进度条工具库。

tqdm 对象基本参数包括：

desc（'str'）: 传入进度条的前缀
mininterval（float）：最小的更新时间 [default: 0.1] seconds
set_postfix : 设置信息
elapsed：消耗的时间
remaining：剩余时间
rate_fmt：速率

示例代码如下：

from tqdm import tqdm
from multiprocessing import Pool
import time
import os
_# 创建进度条对象_
_# 并设置进度以10递进_
pbar = tqdm(total=10)
_# 设置进度条的描述文字，用于显示任务的概要信息_
pbar.set_description('Sleep')
_# 使用labmda操作符将进度条更新函数转换为回调对象_
update = lambda *args: pbar.update()def work(n):print('%s run' %os.getpid())time.sleep(1)return n**2if __name__ == '__main__':p=Pool(3)res_l=[]for i in range(10):_# 在回调函数更新进度条_res=p.apply_async(work,args=(i,), callback=update)res_l.append(res)p.close()p.join()for res in res_l:print(res.get())

如下为运行结果，可以看到进程池每处理完一个任务，就会调用一次 tqdm 的 update()，从而实现多进程的进度条显示。