使用Python的multiprocessing.Process类

Question

这是一个新手问题：

一个类是一个对象，因此我可以创建一个名为pippo()的类，并在此add函数和参数中创建一个类，当分配x=pippo()时，我不理解pippo内部的函数是否从上到下执行否则我必须在pippo之外将它们称为x.dosomething() 。

使用Python的多处理程序包，是更好的方法是定义一个大函数并在对Process()的调用中使用target参数创建对象，或者通过从Process类继承来创建自己的Process类？

Answer 1

我经常想知道为什么Python的有关多处理的doc页面仅显示“功能性”方法（使用target参数）。 可能是因为简洁的代码段最适合用于说明目的。 对于适合一个功能的小型任务，我可以看到这是首选的方式，ala：

from multiprocessing import Process

def f():
    print('hello')

p = Process(target=f)
p.start()
p.join()

但是，当您需要更大的代码组织（用于复杂的任务）时，创建自己的类是可行的方法：

from multiprocessing import Process

class P(Process):
    def __init__(self):
        super(P, self).__init__()
    def run(self):
        print('hello')

p = P()
p.start()
p.join()

请记住，每个生成的进程都使用主进程的内存占用量副本进行初始化。 而且构造函数代码（即__init__() ）是在主进程中执行的-仅run()内部的代码在单独的进程中执行。

因此，如果某个进程（主进程或生成的进程）更改了其成员变量，则该更改将不会反映在其他进程中。 当然，这仅适用于boil-in类型，例如bool ， string ， list等。但是，您可以从multiprocessing模块导入“特殊”数据结构，然后在进程之间透明地共享它们（请参见在进程之间共享状态 。）或者，您可以创建自己的IPC（进程间通信）通道，例如multiprocessing.Pipe和multiprocessing.Queue 。