前言

multiprocessing — 基于进程的并行。弄懂了多线程，对于多进程也就比较好理解了。现在市场上个人PC、公司服务器都是多核，多CPU机器，充分利用CPU的计算能力，常用多进程实现并行。

多进程详情API 中文手册已经讲解得比较详细：https://docs.python.org/zh-cn/3/library/multiprocessing.html#

---

一、multiprocessing 是什么？

multiprocessing 是一个支持使用与 threading 模块类似的 API 来产生进程的包。 multiprocessing 包同时提供了本地和远程并发操作，通过使用子进程而非线程有效地绕过了 全局解释器锁。 因此，multiprocessing 模块允许程序员充分利用给定机器上的多个处理器。 它在 Unix 和 Windows 上均可运行。
multiprocessing 模块还引入了在 threading 模块中没有的API。一个主要的例子就是 Pool 对象，它提供了一种快捷的方法，赋予函数并行化处理一系列输入值的能力，可以将输入数据分配给不同进程处理（数据并行）。下面的例子演示了在模块中定义此类函数的常见做法，以便子进程可以成功导入该模块。

二、使用步骤

1. 多进程模块概念图

2. 多进程初级代码示例

简单的创建多进程的方法，和线程一模一样。

# -*- coding:utf-8 -*-

'''该文件 学习多进程， 多进程类比多线程进行学习, 重点关注如下几个问题
    1、 怎么启动多进程？
    2、 多进程之间如何通信？
    3、多进程之间如何同步？
    4、多进程之间如何共享？
    5、多进程如何管理？
'''

from multiprocessing import Process
import os, time

def info(title):
    '''获取进程一些信息'''
    print(title)
    print('module name:', __name__)
    print('parent process:', os.getppid())
    print('process id:', os.getpid())

def add(num):
    info('add process')
    count = 0
    for i in range(num):
        print('add %d' %i)
        count += num
    print(count)

def multi(num):
    info('mulit process')
    count = 10
    for i in range(1, num):
        print('multi %d' %i)
        count = count*i
        # print("current %d" %count)
    print(count)


if __name__=="__main__":
    print('main process start ...'+'*'*100)
    info('main process')
    p_add = Process(target=add, args=(10,))
    p_mulit = Process(target=multi, args=(59,))

    p_list = []
    p_list.append(p_add)
    p_list.append(p_mulit)

    for p in p_list:
        p.start()
    
    for p in p_list:
        p.join()

    print('main process end ...'+'*'*100)

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。