使用multiprocessing.Pool可能是最明智的.Pool根據系統上可用的最大內核數量生成一個工作進程池,然后在內核可用時基本上提供任務.

from multiprocessing import Pool

def f(x):

return x*x

if __name__ == '__main__':

pool = Pool(processes=4) # start 4 worker processes

result = pool.apply_async(f, [10]) # evaluate "f(10)" asynchronously

print result.get(timeout=1) # prints "100" unless your computer is *very* slow

print pool.map(f, range(10)) # prints "[0, 1, 4,..., 81]"

并且,如果您的代碼需要,還可以使用multiprocessing.cpu_count()方法來計算給定系統上的核心數量,這也很方便.

編輯：這是一些似乎適用于您的特定情況的草稿代碼：

import multiprocessing

def f(name):

print 'hello', name

if __name__ == '__main__':

pool = multiprocessing.Pool() #use all available cores, otherwise specify the number you want as an argument

for i in xrange(0, 512):

pool.apply_async(f, args=(i,))

pool.close()

pool.join()

總結

以上是生活随笔為你收集整理的python进程数上限_python – 使用具有最大同时进程数的multipr...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。