python的multiprocessing模块是用来创建多进程的，下面对multiprocessing总结一下使用记录。
multiprocessing创建多进程在windows和linux系统下的对比
fork() import os pid = os.fork() # 创建一个子进程 if pid == 0: print('这是子进程') print(os.getpid(),os.getppid()) else: print('这是父进程') print(os.getpid()) os.wait() # 等待子进程结束释放资源fork函数被调用后会返回两次，pid为0的代表子进程，其他返回子进程的id号表示父进程。
getpid和getppid函数可以获取本进程和父进程的id号；
fork方式的缺点：
兼容性差，只能在类linux系统下使用，windows系统不可使用；
扩展性差，当需要多条进程的时候，进程管理变得很复杂；
会产生“孤儿”进程和“僵尸”进程，需要手动回收资源。
优点：
是系统自带的接近低层的创建方式，运行效率高。
Process创建进程创建方式一：
from multiprocessing import Queue, Process import os def test(): time.sleep(2) print('this is process {}'.format(os.getpid())) if __name__ == '__main__': p = Process(target=test) p.start() # 子进程 开始执行 p.join() # 等待子进程结束 print('ths peocess is ended')创建方式二：
from multiprocessing import Queue, Process import os class MyProcess(Process): def run(self): time.sleep(2) print('this is process {}'.format(os.getpid())) def __del__(self): print('del the process {}'.format(os.getpid())) if __name__ == '__main__': p = MyProcess() p.start() print('ths process is ended') # 结果： ths process is ended this is process 7600 del the process 7600 del the process 12304说明：
Process对象可以创建进程，但Process对象不是进程，其删除与否与系统资源是否被回收没有直接的关系。
上例看到del方法被调用了两次，Process进程创建时，子进程会将主进程的Process对象完全复制一份，这样在主进程和子进程各有一个Process对象，但是p1.start()启动的是子进程，主进程中的Process对象作为一个静态对象存在。
主进程执行完毕后会默认等待子进程结束后回收资源，不需要手动回收资源；
join()函数用来控制子进程结束的顺序,主进程会阻塞等待子进程结束，其内部也有一个清除僵尸进程的函数，可以回收资源；
当子进程执行完毕后，会产生一个僵尸进程，其会被join函数回收，或者再有一条进程开启，start函数也会回收僵尸进程，所以不一定需要写join函数。
windows系统在子进程结束后会立即自动清除子进程的Process对象，而linux系统子进程的Process对象如果没有join函数和start函数的话会在主进程结束后统一清除。
Process对象分析 class Process(object): def __init__(self, group=None, target=None, name=None, args=(), kwargs={}): pass # Process对象是python用来创建进程的类 group：扩展保留字段； target：目标代码，一般是我们需要创建进程执行的目标函数。 name：进程的名字，如果不指定会自动分配一个； args：目标函数的普通参数； kwargs：目标函数的键值对参数； # 方法 start():创建一个子进程并执行，该方法一个Process实例只能执行一次，其会创建一个进程执行该类的run方法。 run():子进程需要执行的代码； join()：主进程阻塞等待子进程直到子进程结束才继续执行，可以设置等待超时时间timeout. terminate():使活着的进程终止； is_alive():判断子进程是否还活着。 进程池Pool如果需要创建大量的进程，就需要使用Pool了。
from multiprocessing import Queue, Process, Pool import os def test(): time.sleep(2) print('this is process {}'.format(os.getpid())) def get_pool(n=5): p = Pool(n) # 设置进程池的大小 for i in range(10): p.apply_async(test) p.close() # 关闭进程池 p.join() if __name__ == '__main__': get_pool() print('ths process is ended')分析：
如上，进程池Pool被创建出来后，即使实际需要创建的进程数远远大于进程池的最大上限，p1.apply_async(test)代码依旧会不停的执行，并不会停下等待；相当于向进程池提交了10个请求，会被放到一个队列中；
当执行完p1 = Pool(5)这条代码后，5条进程已经被创建出来了，只是还没有为他们各自分配任务，也就是说，无论有多少任务，实际的进程数只有5条，计算机每次最多5条进程并行。
当Pool中有进程任务执行完毕后，这条进程资源会被释放，pool会按先进先出的原则取出一个新的请求给空闲的进程继续执行；
当Pool所有的进程任务完成后，会产生5个僵尸进程，如果主线程不结束，系统不会自动回收资源，需要调用join函数去回收。
join函数是主进程等待子进程结束回收系统资源的，如果没有join，主程序退出后不管子进程有没有结束都会被强制杀死；