好的，让我们一起做。首先是代码（multiprocessing
docs）：

In [1]: from multiprocessing import Process

In [2]: def f():
   ...:     print(1)
   ...:     for i in range(100):
   ...:         # do something
   ...:         pass
   ...:

In [3]: p1 = Process(target=f)

In [4]: p1.start()

1
In [5]: p2 = Process(target=f)

In [6]: p2.start()

1
In [7]: import time

In [8]: def f():
   ...:     for i in range(100):
   ...:         print(i)
   ...:         # do something
   ...:         time.sleep(1)
   ...:         pass
   ...:
In [9]: p1 = Process(target=f)
In [9]: p1 = Process(target=f)

In [10]: p1.start()

0
In [11]: p2 1
= Process(target=f)2
3
4
5
In [11]: p2 = Process(target=f)

In [12]: 6
p2.7
start8
In [12]: p2.start()

0
In [13]: 9

这是如何并行调用函数的示例。从In [10]: p1.start()你所看到的，因为程序P1并联运行时，我们运行程序P2的输出被搞乱。

使用Python脚本运行程序时，您要确保脚本仅在所有程序成功执行后才结束。你可以这样做

def multi_process(instance_params, *funcs):
   process = []
   for f in funcs:
       prog = Process(target=f, args=instance_params)
       prog.start()
       process.append(prog)
   for p in process:
       p.join()

multi_process(params, f, f)

由于GIL，Python没有C
++或Java之类的多线程支持。在这里阅读。尽管如果您的程序能够执行更多的I
/ O操作，然后执行CPU密集型任务，那么您可以使用多线程。为了执行CPU密集型任务，建议进行多处理。

@ytutow在评论中询问了 工作人员 和 流程
之间的区别是什么。从Pymotw：

池类可用于管理固定数量的工人，以用于简单的情况，在这些情况下，可以分解要完成的工作并在工人之间独立分配。

收集作业的返回值并作为列表返回。

池参数包括进程数和启动任务进程时要运行的函数（每个子进程调用一次）。

您可以将Pool用作：

def your_instance_method(instance):
   instances.do_some_computation_over_a_dataset()

with Pool(3) as p:
    instances = [insatnce_1, instance_2, instance_3]
    print(p.map(your_instance_method, instances))

关于正确的工人数，一般建议使用2 * cpu_cores工人数。