背景：来观察测试一下python 进程(process)的阻塞、普通进程和守护进程又有什么区别、进程池又是什么、进程池怎么异步提交任务等等
一、公共代码
首先先贴上一些公共代码，下面的例子都基于这份公共代码运行（注：替换xxx的内容）
importtimeimportmultiprocessingdefworker(name):print('%s: %s start...' % (time.strftime('%X'), name))
time.sleep(2)print('%s: %s done.' % (time.strftime('%X'), name))defxxx():pass
if __name__ == '__main__':
xxx()二、单进程阻塞
def单进程阻塞():
t= multiprocessing.Process(target=worker, args=('张三',))
t.start()#阻塞
t.join()print('Finished')运行结果：
解释：阻塞进程的情况下，程序会先等待进程任务执行完，再往下执行其他代码
三、单进程不阻塞
def单进程不阻塞():
t= multiprocessing.Process(target=worker, args=('李四',))
t.start()print('Finished')运行结果：
解释：不阻塞进程的情况下，程序会直接往下走，进程任务是后完成的（因为我在进程任务里加了 sleep），类似于异步；同时，我们还可以发现，程序执行完最后一行代码之后，如果进程任务还没完成，程序是不会马上死掉的，还是会等进程任务执行完才会结束程序。
四、多进程的错误阻塞
def多进程的错误阻塞():
t1= multiprocessing.Process(target=worker, args=('张三',))
t1.start()
t1.join()
t2= multiprocessing.Process(target=worker, args=('李四',))
t2.start()
t2.join()print('Finished')运行结果：
解释：t1.join 直接阻塞了程序，t2还没start，t1.join阻塞程序直到t1的任务已完成。所以会看到 张三 done 之后，李四 才能 start
五、多进程的正确阻塞
def多进程的正确阻塞():
t1= multiprocessing.Process(target=worker, args=('张三',))
t2= multiprocessing.Process(target=worker, args=('李四',))
t1.start()
t2.start()
t1.join()
t2.join()print('Finished')运行结果：
解释：需要将所有进程都start之后，才能阻塞(join)；进程任务也不是按顺序执行和完成了，哪个先完成，得看哪个进程任务耗时少，也有可能会同时完成（并发）
按下面代码，修改一下worker函数，给李四加一下速，再执行一次看看：
defworker(name):print('%s: %s start...' % (time.strftime('%X'), name))
time.sleep(2 if name == '张三' else 1)print('%s: %s done.' % (time.strftime('%X'), name))
注：多执行几次，你会发现，明明是t1.start() 再 t2.start()，为何回显总是 李四 start 在前。那是因为阻塞的进程，执行过程中是不会回显的，它需要执行完毕后才会一起回显。因为总是 李四 done 先，所以回显示就总是 李四 start 在前
温馨提示：测试完记得把 worker 函数改回原来的样子，下面例子是以原版的 worker 为基础的
六、多进程不阻塞
def多进程不阻塞():
t1= multiprocessing.Process(target=worker, args=('张三',))
t2= multiprocessing.Process(target=worker, args=('李四',))
t1.start()
t2.start()print('Finished')运行结果：
解释： 参考上面单进程不阻塞↑，不阻塞的情况下，也是会等待全部进程任务执行完成才结束程序的。多进程有一定的并发现象
七、守护进程阻塞
def守护进程阻塞():
t1= multiprocessing.Process(daemon=True, target=worker, args=('张三',))
t2= multiprocessing.Process(daemon=True, target=worker, args=('李四',))
t1.start()
t2.start()
t1.join()
t2.join()print('Finished')运行结果：
解释：这里看着上面的普通进程没有什么区别的，具体的区别看下面↓↓↓
八、守护进程不阻塞
def守护进程不阻塞():
t1= multiprocessing.Process(daemon=True, target=worker, args=('张三',))
t2= multiprocessing.Process(daemon=True, target=worker, args=('李四',))
t1.start()
t2.start()print('Finished')运行结果：
解释：进程任务都还没执行，主程序就执行完毕，结束了。这是守护进程（后台进程）的一个特点：不阻塞的情况下，后台进程（守护进程）会在主程序结束的时候自动死掉
九、守护进程不阻塞但主进程比较晚结束
def守护进程不阻塞但主进程比较晚结束():
t1= multiprocessing.Process(daemon=True, target=worker, args=('张三',))
t2= multiprocessing.Process(daemon=True, target=worker, args=('李四',))
t1.start()
t2.start()
time.sleep(5)print('Finished')运行结果：
解释：这里的主进程并没有等子(守护)进程，只是主进程耗时比子进程还要久，子进程先执行完毕了
十、进程池阻塞
def进程池阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.apply(worker, ('张三',))
pp.apply(worker, ('李四',))
pp.close()
pp.join()print('Finished')运行结果：
解释：运行结果基本和“多进程的正确阻塞”基本一样，但又有一点不同，详情请看下面 “十二” 点~
十一、进程池不阻塞
def进程池不阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.apply(worker, ('张三',))
pp.apply(worker, ('李四',))
pp.close()print('Finished')运行结果：
解释：这不阻塞的效果感觉和阻塞的效果并没有什么区别
十二、进程池的奇怪现象
认真观察一下“十、进程池阻塞”和“十一、进程池不阻塞”，还有一个现象，不管是阻塞还是不阻塞，就上面的例子而言，李四居然要等张三done之后才能start，它们不应该同时start，同时done的吗？？
对比一下上面“五、多进程的正确阻塞”的运行结果 和 “十一、进程池不阻塞”的结果：
与
解释：普通的多进程 start 是一起的（并发，单任务不阻塞），done的话就看任务的实际耗时。进程池的话，使用apply添加任务的时候，会自动阻塞任务，一个任务完成，再才执行下一个apply的任务。只想阻塞进程池，不要阻塞单任务的话，可以使用 apply_async 方法，详情请看下面↓↓↓
十三、进程池异步阻塞
def进程池异步阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.apply_async(worker, ('张三',))
pp.apply_async(worker, ('李四',))
pp.close()
pp.join()print('Finished')运行结果：
解释，这下就真的和“多进程的正确阻塞”一样的，不会阻塞单任务
十四、进程池异步不阻塞
def进程池异步不阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.apply_async(worker, ('张三',))
pp.apply_async(worker, ('李四',))
pp.close()print('Finished')运行结果：
解释：异步不阻塞的话，就会和守护进程一样，主程序不会等待进程任务完成，会直接结束程序
十五、进程池同步并发不阻塞
上面说的apply是同步提交任务，apply_async是异步提交任务。apply是会阻塞的，顺序执行任务。那有没有同步又并发的方法呢？答案是有的，可以用map方法：
def进程池同步并发不阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.map(worker, ['张三', '李四'])
pp.close()print('Finished')运行结果：
解释：提供给map方法一个函数和参数列表，它会迭代参数列表，并发执行函数~
需要注意的是，map和apply一样，是同步且阻塞的，多次调用map方法会和多次调用apply一样，会阻塞，需要等待第一次map任务执行完毕才会执行下面的map
def进程池同步并发阻塞():
with multiprocessing.Pool(processes=3) as pp:
pp.map(worker, ['张三', '李四'])
pp.map(worker, ['王五', '赵六'])
pp.close()print('Finished')运行结果：
完。
