multiprocessing模块是一个优秀的类似多线程multithreading模块处理并发的包
之前接触过一点这个库，但是并没有深入研究，这次闲着无聊就研究了一下，算是解惑吧。
今天先研究下apply_async与map方法。传闻就是这两个方法分配进程池中的进程给相关函数，我想验证下。
看下官网对这两个的解释：
apply_async(func[, args[, kwds[, callback[, error_callback]]]])
a variant of the apply() method which returns a result object.
If callback is specified then it should be a callable which accepts a single argument. When the result becomes ready callback is applied to it, that is unless the call failed, in which case the error_callback is applied instead.
If error_callback is specified then it should be a callable which accepts a single argument. If the target function fails, then the error_callback is called with the exception instance.
Callbacks should complete immediately since otherwise the thread which handles the results will get blocked.
map(func, iterable[, chunksize])
A parallel equivalent of the map() built-in function (it supports only one iterable argument though). It blocks until the result is ready.
立即学习“Python免费学习笔记（深入）”；
This method chops the iterable into a number of chunks which it submits to the process pool as separate tasks. The (approximate) size of these chunks can be specified by setting chunksize to a positive integer.
Pool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，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规定最大值，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运行它
下面看下程序吧：
from multiprocessing import Poolimport timeimport osdef func(msg):print('msg: %s %s' % (msg, os.getpid()))
time.sleep(3)print("end")if __name__ == '__main__':
pool = Pool(4)for i in range(4):
msg = 'hello %d' % (i)
pool.apply_async(func, (msg, ))# pool.map(func, range(4))print("Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~")
pool.close()
pool.join() # 调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束print("Sub-process(es) done.")运行结果：
本书是全面讲述PHP与MySQL的经典之作，书中不但全面介绍了两种技术的核心特性，还讲解了如何高效地结合这两种技术构建健壮的数据驱动的应用程序。本书涵盖了两种技术新版本中出现的最新特性，书中大量实际的示例和深入的分析均来自于作者在这方面多年的专业经验，可用于解决开发者在实际中所面临的各种挑战。
去掉map注释，在apply_async函数处加上注释
看下进程池进程不够的情况下的程序及运行结果：
from multiprocessing import Poolimport timeimport osdef func(msg):print('msg: %s %s' % (msg, os.getpid()))
time.sleep(3)print("end")if __name__ == '__main__':
pool = Pool(3)'''for i in range(4):
msg = 'hello %d' % (i)
pool.apply_async(func, (msg, ))'''pool.map(func, range(4))print("Mark~ Mark~ Mark~~~~~~~~~~~~~~~~~~~~~~")
pool.close()
pool.join() # 调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束print("Sub-process(es) done.")程序结果：
可以看到，如果进程池的进程数量大于等于所要运行的函数的次数，那就可以很顺利，而且看着结果也很理所当然；但是如果进程池的进程的数量小于所要运行的函数的次数，那么就会有一个进程发生阻塞，即两个或多个函数共用一个进程.
而且，apply_async函数的第二个参数传入的是一个参数值，一旦运行这个函数，就会分配一个进程给函数，注意是异步的哦，因此如果需要分配多个进程就需要有一个for循环或是while循环；对于map函数，其第二个参数值接收的是一个迭代器，因此就不用在用for循环了。要记住，这两个函数所实现的就是依次将进程池里的进程分配给函数。
顺便吐槽下，全英文的 MultiProcessing官网 看的很懵逼痛苦，又很有意思，不得不说，对英语还是很有帮助的.....
