前言
在python中，只有多进程才可以充分利用CPU的资源，适合CPU密集型任务(计算密集型任务，区别于I/O密集型)，其他的就不多说了。
这里介绍一个pool.map()方法，很实用！
代码
import time
import multiprocessing
def f1(i):
return i * 2
if __name__ == '__main__':
time1 = time.time()
nums_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# processes参数根据具体的情况来设置，如果不设置，则操作系统会根据实际的情况来决定执行多少进程
pool = multiprocessing.Pool(processes=5)
# map()函数的输入结果是有顺序的，其顺序和nums_list的顺序相同
result = pool.map(f1, nums_list)
pool.close() # 关闭进程池，不再接受新的进程
pool.join() # 主进程阻塞等待子进程的退出
print(result)
time2 = time.time()
print("计算用时：", time2-time1)
# 运行结果
# [2, 4, 6, 8, 10, 12, 14, 16, 18]
# 计算用时： 0.21639275550842285
#解释说明：
#1.看到Pool类在初始化的时候，有一个processes参数，这个参数可以不设置，
#如果不设置该参数，则系统会跟根据计算机的实际情况来决定要运行多少个进程，
#我们也可自己设置，但是要考虑自己计算机的性能，一般要<计算机的核心数。
#2.map()函数。需要传递两个参数，第一个参数就是需要引用的函数，第二个参数是一个可迭代对象，
#它会把需要迭代的元素一个个的传入函数中。
#因为我们的map会自动将数据作为参数传进去
#3.pool()开启了，不要忘记pool.close()关闭进程池和pool.join()堵塞主进程等待子进程完全执行完毕。
