python多線程適合IO密集型場景，而在CPU密集型場景，并不能充分利用多核CPU，而協程本質基于線程，同樣不能充分發揮多核的優勢。

針對計算密集型場景需要使用多進程，python的multiprocessing與threading模塊非常相似，支持用進程池的方式批量創建子進程。

•創建單個Process進程(使用func)

只需要實例化Process類，傳遞函數給target參數，這點和threading模塊非常的類似，args為函數的參數

import osfrom multiprocessing import Process# 子進程要執行的代碼def task(name):  print('run child process %s (%s)...' % (name, os.getpid()))if __name__ == '__main__':  print('parent process %s.' % os.getpid())  p = Process(target=task, args=('test',))  p.start()  p.join()  print('process end.') 

•創建單個Process進程(使用class)

繼承Process類，重寫run方法創建進程，這點和threading模塊基本一樣

import multiprocessingimport osfrom multiprocessing import current_processclass Worker(multiprocessing.Process):  def run(self):    name = current_process().name # 獲取當前進程的名稱    print('run child process <%s> (%s)' % (name, os.getpid()))    print('In %s' % self.name)    returnif __name__ == '__main__':  print('parent process %s.' % os.getpid())  p = Worker()  p.start()  p.join()  print('process end.') 　　* 停止進程

terminate()結束子進程，但是會導致子進程的資源無法釋放掉，是不推薦的做法，因為結束的時候不清楚子線程的運行狀況，有很大可能性導致子線程在不恰當的時刻被結束。

import multiprocessingimport timedef worker():  print('starting worker')  time.sleep(0.1)  print('finished worker')if __name__ == '__main__':  p = multiprocessing.Process(target=worker)  print('執行前:', p.is_alive())  p.start()  print('執行中:', p.is_alive())  p.terminate() # 發送停止號  print('停止:', p.is_alive())  p.join()  print('等待完成:', p.is_alive()) 

•直接創建多個Process進程

import multiprocessingdef worker(num):  print(f'Worker:%s %s', num)  returnif __name__ == '__main__':  jobs = []  for i in range(5):    p = multiprocessing.Process(target=worker, args=(i,))    jobs.append(p)    p.start() 

•使用進程池創建多個進程

在利用Python進行系統管理的時候，特別是同時操作多個文件目錄，或者遠程控制多臺主機，并行操作可以節約大量的時間。當被操作對象數目不大時，可以直接利用multiprocessing中的Process動態成生多個進程，十幾個還好，但如果是上百個，上千個目標，手動的去限制進程數量卻又太過繁瑣，此時可以發揮進程池的功效。

Pool可以提供指定數量的進程供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，那么就會創建一個新的進程用來執行該請求；但如果池中的進程數已經達到規定最大值，那么該請求就會等待，直到池中有進程結束，才會創建新的進程來它。