时间就是生命。时光不会倒流，珍惜此刻，奋斗未来吧。记住你无畏青春的样貌，你未必出类拔萃，但必须与众不一样。
进程池
代码演示
方式一
from multiprocessing import Pool def deal_task(n): n -= 1 return n if __name__ == '__main__': n = 10 p = Pool(4) for i in range(4): res = p.apply(deal_task, args=(n,)) #调用apply是一个串行的效果，任务会被进程一个一个的处理，直接得到结果 #前提是执行的任务必须要有返回值 print(res)
方式二
from multiprocessing import Pool def deal_task(n): n -= 1 return n if __name__ == '__main__': n = 10 p = Pool(4) obj_l = [] for i in range(4): #调用apply_async会返回一个对象，主进程会不断扔任务给线程池，让子线程处理 obj = p.apply_async(deal_task, args=(n,)) obj_l.append(obj) #首先函数要有返回值 #调用close目的是防止join期间会有别的任务被添加到任务列表中 #不调用close会报错 p.close() p.join() #join是要让子进程全部处理完之后得到结果统一处理，还有一个非常重要的原因是进程池依附于主进程，主进程结束，进程池消失。进程池的任务没有被处理程序就结束了。 for obj in obj_l: print(obj.get())
方式三
from multiprocessing import Pool
import requests
def get_page(url):
ret = requests.get(url).text
return {'url': url, 'ret': ret}
def parse_page(ret):
with open('ab.txt', 'a') as f:
f.write('%s - %s\n' % (ret['url'], len(ret['ret'])))
if __name__ == '__main__':
urls = [
'https://www.baidu.com',
'http://www.openstack.org',
'https://www.python.org',
'https://help.github.com/',
'http://www.sina.com.cn/'
]
p = Pool()
for url in urls:
#使用回调函数，当get_page下载完后，主线程调用parse_page自动处理get_page下载的结果，节省了parse_page的时间，该场景用于一个函数为耗时操作并且产生数据，另一个函数是非耗时操作，这样就节省了非耗时操作函数的时间
p.apply_async(get_page, args=(url,), callback=parse_page)
p.close()
p.join()
print('主')
join是要让子进程全部处理完之后得到结果统一处理，还有一个非常重要的原因是进程池依附于主进程，主进程结束，进程池消失。进程池的任务没有被处理程序就结束了。
以上这篇对Python3之进程池与回调函数的实例详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
