⑴ python并发编程之多进程方式(multiprocessing模块)
进程与线程概述，进程是运行起来的车间，线程相当于是车间的工人。每个进程至少存在一个线程。要提高生产效率，可以采用进程和线程。
进程与线程的关系，进程是独立的，每个进程至少有一个线程。线程之间共享数据，但进程之间不共享。
进程创建，使用python的multiprocessing模块可以创建多进程。通过Process方法创建子进程，子进程独立运行，主进程和子进程之间没有执行顺序。
多进程执行，通过multiprocessing模块的Process方法创建两个子进程，并在主程序中统计开始和结束时间。子进程输出开始和结束时间后，主程序继续执行，不会等待子进程。
多进程关系，主进程与各子进程独立，子进程占用硬件资源，主进程执行速度快于子进程。两个子进程同时完成，因执行序列相同。
使用join方法，join方法让主进程等待子进程执行完毕。若不需要等待子进程，可以不使用join方法。
循环创建子进程，多进程场景常与循环搭配使用。在主程序中使用循环创建多个子进程，实现并发执行。
⑵ Python多进程并行操作-multiprocessing简单使用
Python的multiprocessing库是实现多进程操作的重要工具，它提供了一致的本地和远程进程处理方法，避免全局解释锁带来的限制。尤其在Unix和Windows系统中，它能有效利用多核资源。然而，要注意的是，某些模块的共享功能依赖于操作系统支持，且在子进程中的导入可能受限于__main__模块的限制。
在multiprocessing中，核心是Process类，通过实例化并调用start()方法来启动新的进程。每个进程都有独立的ID，确保任务独立执行。Windows系统中，确保在__name__ == '__main__'条件下启动进程至关重要。
进程间通信主要通过Queues（线程和进程安全）和Pipes（双向连接，需要妥善管理同步以防数据混乱）两种方式。通过这些机制，进程间可以安全地交换和同步数据。
同步和数据共享是并发编程的关键。multiprocessing提供了锁和其他同步工具，以确保正确地打印输出和共享状态。尽量避免共享状态，若需使用，可以借助Value和Array进行共享内存，或通过Manager()创建代理服务器进行服务进程管理，后者更灵活但效率稍低。
工作进程池，如Pool类，可以将任务分发给工作进程执行，但使用时需注意方法仅限于创建进程的上下文。
⑶ python并发编程之多进程方式(multiprocessing模块)
Python的并发编程提供了多进程方式来提高效率，通过multiprocessing模块实现。下面将详细阐述进程与线程的区别，以及如何使用多进程来优化任务执行。
在并发编程中，进程就像工厂的车间，每个车间运行一个独立的线程，即工人。为了提升生产效率，我们需要理解进程和线程的协作与独立性。
首先，我们通过串行执行程序，将两个数值传递给func函数，逐个处理。这展示了单进程的工作方式，随后引入多进程。Python的multiprocessing模块允许我们创建多个并行运行的进程。通过Process类，我们创建子进程，它们独立于主进程，没有执行顺序，如下面的代码所示：
python
import multiprocessing as mp
# 创建子进程
p1 = mp.Process(target=func, args=(数值1,))
p2 = mp.Process(target=func, args=(数值2,))
主进程在子进程启动后继续执行，由于子进程各自独立轮询，主进程完成的时间会早于子进程。当子进程轮询序列相同时，它们会同时完成，如代码中所述：
python
# 使用join方法等待子进程结束
p1.start()
p2.start()
p1.join()
p2.join()
在实际应用中，尤其是需要处理大量数据或任务的场景，我们可以使用循环来创建多个子进程，以进一步提高效率。通过多进程方式，Python为我们提供了一种高效且灵活的并发解决方案。