当前位置：首页>python>Python基础篇 - 多进程-进程池

Python基础篇 - 多进程-进程池

2026-09-02 19:03:06

Python基础篇 - 多进程-进程池

进程池

在上次的文章Python基础篇 - 多进程-进程的创建我们认识了创建多进程的两种基本方式。而当我们需要大量进程的任务，手动实例化一个个进程未免太过繁琐，进程池就能很好地解决这个问题，进程池可以维护大量的进程。

一. apply()-进程池同步提交单个任务(效率低)

核心定义：向进程池提交单个任务，同步执行，提交任务后，主进程会等待该任务执行完毕，才能提交下一个任务，相当于排队做任务。

特点：无需手动获取结果(直接返回任务结果)，但执行效率低，无法发挥进程池的并行优势，几乎不用在实际开发中。

# apply():同步执行，没有发挥多进程的优势from multiprocessing import Poolimport osimport time# 定义任务函数（模拟任务执行耗时）def task(num):    time.sleep(1)  # 模拟任务耗时1秒    print(f"任务{num}执行中，进程ID：{os.getpid()}")    return f"任务{num}执行完毕（进程ID：{os.getpid()}）"if __name__ == "__main__":    # 实例化进程池（设参数processes=2，2个进程，观察同步/并行）    pool = Pool(processes=2)    start_time = time.time()  # 记录开始时间    # 用apply()提交3个任务（逐个提交，同步执行）    # task为对应函数，args传入对应的元组参数    res1 = pool.apply(task, args=(1))    res2 = pool.apply(task, args=(2))    res3 = pool.apply(task, args=(3))    # 关闭进程池，等待所有任务完成    pool.close() # 关闭进程池    pool.join() # 阻塞进程，等待所有进程执行完毕    # 打印结果和总耗时    print("任务结果：")    print(res1, res2, res3)    print(f"总执行时间：{time.time() - start_time:.2f}秒")    # 始终是同一个进程id执行任务，总用时3秒

3个任务依次排队执行，每个任务耗时1秒，总耗时约3秒；且始终用同一个进程(进程ID不变)，进程池的多个进程没有被充分利用。这就是同步执行的弊端，完全浪费了进程池的并行能力。

二. apply_async()-异步提交任务(效率高)

核心定义：向进程池提交任务，异步执行，提交任务后，主进程不等待该任务完成，继续提交下一个任务，进程池会自动分配空闲进程执行任务，相当于同时做多个任务。

特点：执行效率高，能充分发挥进程池的并行优势；但不会直接返回任务结果，需通过get()方法获取。

# apply_async()并发异步执行多个任务，提高效率from multiprocessing import Poolimport osimport time# 定义任务函数（模拟任务执行耗时）def task(num):    time.sleep(1)  # 模拟任务耗时1秒    print(f"任务{num}执行中，进程ID：{os.getpid()}")    return f"任务{num}执行完毕（进程ID：{os.getpid()}）"if __name__ == "__main__":    # 实例化进程池（设参数processes=2，2个进程，观察同步/并行）    pool = Pool(processes=2)    start_time = time.time()    # 用apply_async()提交3个任务（异步执行，无需等待）    # 提交任务后，返回结果对象（不是直接返回结果）    res_obj1 = pool.apply_async(task, args=(1,))    res_obj2 = pool.apply_async(task, args=(2,))    res_obj3 = pool.apply_async(task, args=(3,))    # 关闭进程池，等待所有任务完成    pool.close() # 关闭进程池    pool.join() # 阻塞进程，等待所有进程完毕    # 通过get()方法获取每个任务的结果（get()会等待任务完成）    res1 = res_obj1.get()    res2 = res_obj2.get()    res3 = res_obj3.get()    # 打印结果和总耗时    print("任务结果：")    print(res1, res2, res3)    print(f"总执行时间：{time.time() - start_time:.2f}秒")    # 两个进程异步执行，并排跑，总用时大概2秒

总结:今日我们学习了Python基础篇-多进程-进程池。重点掌握进程池中apply()与apply_async()两种任务提交方法。apply()为同步执行，需排队等待任务完成，效率低、进程利用率低，仅适用于简单测试；apply_async()为异步执行，主进程无需等待，能充分利用进程池资源，效率高，是实际开发首选。在Python基础篇，后续我们将持续学习Python基础知识，介绍各种算法，祝每一位study er学习愉快。