Python多进程——进程池的开启和多进程操作同一个List

为什么要使用多进程
目标网站数据量多，想赶时间多获取点东西？
数据库大批量的数据需要操作？
单纯的想要节省时间，早早下班？
............
肯定会有人说【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方式实现的，即Python只会在一个进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，只要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】
所以说你干脆再拉个人跟你一起吃薯片得了。【薯片那么好吃，下次换个例子】

怎么使用多进程
这里重点说的时线程池Pool，Process按下不表，因为Process时动态生成进程，Pool显然比Process强大得多。
实现多进程的方法就是使用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(方法, (参数,))  
4.pool.close()  
5.pool.join() 

其中的process=4是创建线程池的最大值是4，pool的apply_async方法来创建子进程。其中apply_async的方法参数是不带括号()的。带括号是对函数的调用。apply_async传的是target参数。

多进程共同操作List
进程之间的数据操作是独立的。假如你想把每个进程产生的结果存放在同一个list，需要用到multiprocessing中的Manager方法：

1.def __init__(self):  
2.    self.manager = mp.Manager  
3.    self.reslist = self.manager().list()  

这样创建list，无论是读取，都可以进行多进程同时操作。如果用本地IP一直去请求的话，会有IP封锁的可能性出现，导致无法正常获取。所以，需要高效请求的话，优质稳定的代理IP必不可少，我这里使用的ipidea代理。
地址：http://www.ipidea.net/，首次可以白嫖流量哦。

举个例子
下面举一个ABCD四个打工人共同处理一个问题的情况：

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}完成了{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()  

实现了四个人同时处理工作，效率也会提升很多。

总结
目前Python提升效率，就是并行跟并发。然而受限于Python的语言环境，多进程的效率会比多线程Thread好上一些。总之选择好自己的方法，合适的情况下合理的使用并行或者并发，对代码处理的提升会有很大的帮助。