- A+
由于Python是跨平台的，⾃然也应该提供⼀个跨平台的多进程⽀持。 multiprocessing模块就是跨平台版本的多进程模块。
创建⼦进程时，只需要传⼊⼀个执⾏函数和函数的参数，创建⼀个 Process实例，⽤start()⽅法启动，这样创建进程⽐fork()还要简单。
join()⽅法可以等待⼦进程结束后再继续往下运⾏，通常⽤于进程间的同 步
Process语法结构如下：
Process([group [, target [, name [, args [, kwargs]]]]])
target：表示这个进程实例所调⽤对象；
args：表示调⽤对象的位置参数元组；
kwargs：表示调⽤对象的关键字参数字典；
name：为当前进程实例的别名；
group：⼤多数情况下⽤不到；
Process类常⽤⽅法：
is_alive()：判断进程实例是否还在执⾏；
join([timeout])：是否等待进程实例执⾏结束，或等待多少秒；
start()：启动进程实例（创建⼦进程）；
run()：如果没有给定target参数，对这个对象调⽤start()⽅法时，就将执 ⾏对象中的run()⽅法；
terminate()：不管任务是否完成，⽴即终⽌；
类常⽤属性：
name：当前进程实例别名，默认为Process-N，N为从1开始递增的整 数；
pid：当前进程实例的PID值；
进程创建 Process
创建新的进程还能够使⽤类的⽅式，可以⾃定义⼀个类，继承Process类，每 次实例化这个类的时候，就等同于实例化⼀个进程对象
导入Process
继承Process
重写run方法
*在init方法需要调用Process.__init__(self)
p1=Process_class(1)
p1.start()
p1.jion()
进程池pool
当需要创建的⼦进程数量不多时，可以直接利⽤multiprocessing中的Process 动态成⽣多个进程，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，此时就可以⽤到multiprocessing模块提供的Pool⽅法。 初始化Pool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⽤来执⾏该请求；但如果池中 的进程数已经达到指定的最⼤值，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
multiprocessing.Pool常⽤函数解析：
apply_async(func[, args[, kwds]]) ：使⽤⾮阻塞⽅式调⽤func（并⾏执 ⾏，堵塞⽅式必须等待上⼀个进程退出才能执⾏下⼀个进程），args为 传递给func的参数列表，kwds为传递给func的关键字参数列表；
apply(func[, args[, kwds]])：使⽤阻塞⽅式调⽤func
close()：关闭Pool，使其不再接受新的任务；
terminate()：不管任务是否完成，⽴即终⽌；
join()：主进程阻塞，等待⼦进程的退出， 必须在close或terminate之后 使⽤；
Queue 进程间通信
Process之间有时需要通信，操作系统提供了很多机制来实现进程间的通信。
可以使⽤multiprocessing模块的Queue实现多进程之间的数据传递，Queue 本身是⼀个消息列队程序，
使用multiprocessing里边Queue模块创建一个消息队列
q=Queue（num） num 为创建的消息的个数,若括号中没有指定最⼤可接收 的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到 内存的尽头）；
Queue.qsize()：返回当前队列包含的消息数量；
Queue.empty()：如果队列为空，返回True，反之False ；
Queue.full()：如果队列满了，返回True,反之False；
Queue.get([block[, timeout]])：获取队列中的⼀条消息，然后将其从列队 中移除，block默认值为True；
1）如果block使⽤默认值，且没有设置timeout（单位秒），消息列队如果已 经没有空间可写⼊，此时程序将被阻塞（停在写⼊状态），直到从消息列队 腾出空间为⽌，如果设置了timeout，则会等待timeout秒，若还没空间，则抛 出"Queue.Full"异常；
2）如果block值为False，消息列队如果没有空间可写⼊，则会⽴刻抛 出"Queue.Full"异常；
Queue.get_nowait()：相当Queue.get(False)；
Queue.put(item,[block[, timeout]])：将item消息写⼊队列，block默认值 为True；
. 进程池中的Queue
如果要使⽤Pool创建进程，就需要使⽤multiprocessing.Manager()中的 Queue()，⽽不是multiprocessing.Queue()，
上边两个图的运行结果均如下：
