在Python中，多进程处理是一种强大的工具，用于提高程序性能并实现并发任务。下面是一个简单的实验教案，旨在让学生理解如何使用`multiprocessing`库进行多进程处理： **课程名称**: Python自动化运维 - 多进程实战 **目标技能**: Python多线程编程，进程池、Queue通信机制，以及异常处理 ### 实验步骤： **1. 导入必要的模块** ```python import multiprocessing import time ``` **2. 创建基础多进程函数** ```python def worker_function(name): """进程工作函数""" print(f"Worker {name} started.") time.sleep(2) # 模拟耗时操作 print(f"Worker {name} finished.") ``` **3. 使用`Process`创建并启动进程** ```python def create_processes(num_processes): processes = [] for i in range(num_processes): p = multiprocessing.Process(target=worker_function, args=(i,)) processes.append(p) p.start() return processes ``` **4. 进程池示例** ```python def pool_example(pool_size): with multiprocessing.Pool(processes=pool_size) as pool: jobs = [pool.apply_async(worker_function, (i,)) for i in range(pool_size)] [job.get() for job in jobs] # 等待所有任务完成 ``` **5. 使用`Queue`进行进程间通信** ```python from multiprocessing import Queue def producer(queue): for i in range(5): queue.put(i) def consumer(queue): while not queue.empty(): item = queue.get() print(f"Received: {item}") if __name__ == "__main__": queue = multiprocessing.Queue() producer_process = multiprocessing.Process(target=producer, args=(queue,)) consumer_process = multiprocessing.Process(target=consumer, args=(queue,)) producer_process.start() consumer_process.start() producer_process.join() consumer_process.join() ``` **6. 异常处理** ```python def handle_exceptions(process): try: process.start() process.join() except Exception as e: print(f"Error in process: {e}") ``` **实验小结及讨论**： - 讨论多进程与单线程的区别，以及何时选择多进程。 - 分析进程池的优势，如资源管理和负载均衡。 - 探讨`Queue`等同步原语如何在多进程中协调数据共享。 **