为什么要应用多过程
指标网站数据量多，想赶时间多获取点货色？
数据库大批量的数据须要操作？
单纯的想要节省时间，早早上班？
…………
必定会有人说【多线程】。Python 的多线程为了数据安全设置了 GIL 全局解释器锁，而 Python 的多线程是靠并发的形式实现的，即 Python 只会在一个过程里永远执行一个线程。
这就导致 Python 多线程的多线程效率低下。举个例子，这就相当于一个人在左右横跳的吃两包薯片。只不过这个人啊，他速度很快，只有左右横跳的速度足够快，他的残影就像两个人再吃薯片一样。【累不累啊】
所以说你罗唆再拉集体跟你一起吃薯片得了。【薯片那么好吃，下次换个例子】
怎么应用多过程
这里重点说的时线程池 Pool，Process 按下不表，因为 Process 时动静生成过程，Pool 显然比 Process 弱小得多。
实现多过程的办法就是应用 Python 中的 multiprocessing 的包。
import multiprocessing as mp
这里就简写一下吧，包名也太长了。
1.pool = mp.Pool(processes=4)
2.for i in range(4):
3. pool.apply_async(办法, (参数,))
4.pool.close()
5.pool.join() 其中的 process= 4 是创立线程池的最大值是 4，pool 的 apply_async 办法来创立子过程。其中 apply_async 的办法参数是不带括号 () 的。带括号是对函数的调用。apply_async 传的是 target 参数。
多过程独特操作 List
过程之间的数据操作是独立的。如果你想把每个过程产生的后果寄存在同一个 list，须要用到 multiprocessing 中的 Manager 办法：
1.def __init__(self):
2. self.manager = mp.Manager
3. self.reslist = self.manager().list() 这样创立 list，无论是读取，都能够进行多过程同时操作。如果用本地 IP 始终去申请的话，会有 IP 封闭的可能性呈现，导致无奈失常获取。所以，须要高效申请的话，优质稳固的代理 IP 必不可少，我这里应用的 ipidea 代理。
地址：http://www.ipidea.net/，首次能够白嫖流量哦。
举个例子
上面举一个 ABCD 四个打工人独特解决一个问题的状况：
1.import multiprocessing as mp
2.from loguru import logger
3.
4.class work():
5.
6. def __init__(self):
7. self.manager = mp.Manager
8. self.works = self.manager().list()
9. self.members = ["A","B","C","D"]
10.
11. def create_works(self):
12. for i in range(1000):
13. self.works.append(i)
14.
15. def finish_works(self,who):
16. while len(self.works) > 0:
17. finish = self.works.pop()
18. logger.info(f'{who}实现了{finish}')
19.
20. def start(self):
21. self.create_works()
22. pool = mp.Pool(processes=4)
23. for i,member in enumerate(self.members):
24. pool.apply_async(self.finish_works, (member,))
25. pool.close()
26. pool.join()
27.
28.if __name__ == '__main__':
29. work().start() 实现了四个人同时解决工作，效率也会晋升很多。
总结
目前 Python 晋升效率，就是并行跟并发。然而受限于 Python 的语言环境，多过程的效率会比多线程 Thread 好上一些。总之抉择好本人的办法，适合的状况下正当的应用并行或者并发，对代码解决的晋升会有很大的帮忙。