1. # !usr/bin/env python
    2. # -*- coding:utf-8 _*-
    3. """
    4. @Author:何以解忧
    5. @Blog(个人博客地址): https://www.codersrc.com
    6. @Github:www.github.com
    8. @File:python_process_Pool.py
    9. @Time:2020/1/1 21:25
    11. @Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
    12. """
    13. import multiprocessing
    14. import time
    17. def func(msg):
    18.  print("in:", msg)
    19.  time.sleep(3)
    20.  print("out,", msg)
    22. if __name__ == "__main__":
    23.  # 这里设置允许同时运行的的进程数量要考虑机器cpu的数量，进程的数量最好别小于cpu的数量，
    24.  # 因为即使大于cpu的数量，增加了任务调度的时间，效率反而不能有效提高
    25.  pool = multiprocessing.Pool(processes = 3)
    26.  item_list = ['processes1' ,'processes2' ,'processes3' ,'processes4' ,'processes5' ,]
    27.  count = len(item_list)
    28.  for item in item_list:
    29.  msg = "python教程 %s" %item
    30.  # 维持执行的进程总数为processes，当一个进程执行完毕后会添加新的进程进去
    31.  pool.apply_async(func, (msg,))
    33.  pool.close()
    34.  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
    35. 输出结果：
    37. in: python教程 processes1
    38. in: python教程 processes2
    39. in: python教程 processes3
    40. out, python教程 processes1
    41. in: python教程 processes4
    42. out, python教程 processes2
    43. in: python教程 processes5
    44. out, python教程 processes3
    45. out, python教程 processes4
    46. out, python教程 processes5

    代码分析：

    5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，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）