在初步了解Python多進程之后，我們可以繼續探索multiprocessing包中更加高級的工具。這些工具可以讓我們更加便利地實現多進程。

進程池

進程池 (Process Pool)可以創建多個進程。這些進程就像是隨時待命的士兵，準備執行任務(程序)。一個進程池中可以容納多個待命的士兵。

“三個進程的進程池”

比如下面的程序:

我們創建了一個容許5個進程的進程池 (Process Pool) 。Pool運行的每個進程都執行f()函數。我們利用map()方法，將f()函數作用到表的每個元素上。這與built-in的map()函數類似，只是這里用5個進程并行處理。如果進程運行結束后，還有需要處理的元素，那么的進程會被用于重新運行f()函數。除了map()方法外，Pool還有下面的常用方法。

apply_async(func,args)  從進程池中取出一個進程執行func，args為func的參數。它將返回一個AsyncResult的對象，你可以對該對象調用get()方法以獲得結果。

close()  進程池不再創建新的進程

join()   wait進程池中的全部進程。必須對Pool先調用close()方法才能join。

練習

有下面一個文件download.txt。

使用包含3個進程的進程池下載文件中網站的首頁。(你可以使用subprocess調用wget或者curl等下載工具執行具體的下載任務)

共享資源

我們在Python多進程初步已經提到，我們應該盡量避免多進程共享資源。多進程共享資源必然會帶來進程間相互競爭。而這種競爭又會造成race condition，我們的結果有可能被競爭的不確定性所影響。但如果需要，我們依然可以通過共享內存和Manager對象這么做。

共享“資源”

共享內存

在Linux進程間通信中，我們已經講述了共享內存(shared memory)的原理，這里給出用Python實現的例子:

這里我們實際上只有主進程和Process對象代表的進程。我們在主進程的內存空間中創建共享的內存，也就是Value和Array兩個對象。對象Value被設置成為雙精度數(d), 并初始化為0.0。而Array則類似于C中的數組，有固定的類型(i, 也就是整數)。在Process進程中，我們修改了Value和Array對象。回到主程序，打印出結果，主程序也看到了兩個對象的改變，說明資源確實在兩個進程之間共享。

Manager

Manager對象類似于服務器與客戶之間的通信 (server-client)，與我們在Internet上的活動很類似。我們用一個進程作為服務器，建立Manager來真正存放資源。其它的進程可以通過參數傳遞或者根據地址來訪問Manager，建立連接后，操作服務器上的資源。在防火墻允許的情況下，我們完全可以將Manager運用于多計算機，從而模仿了一個真實的網絡情境。下面的例子中，我們對Manager的使用類似于shared memory，但可以共享更豐富的對象類型。

Manager利用list()方法提供了表的共享方式。實際上你可以利用dict()來共享詞典，Lock()來共享threading.Lock(注意，我們共享的是threading.Lock，而不是進程的mutiprocessing.Lock。后者本身已經實現了進程共享)等。 這樣Manager就允許我們共享更多樣的對象。

我們在這里不深入講解Manager在遠程情況下的應用。有機會的話，會在網絡應用中進一步探索。

總結

Pool
Shared memory, Manager