简介：本文的首席执行官注释将介绍Python Multi -Process的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
监视信号设置线程和过程处理。逻辑不合适。所有资源都是有限的。如果这是浪费，资源管理将失控。
传统的方法是启动线程池或过程池。使用线程或进程取决于您处理的信号类型。如果计算量很大，则需要过程池。如果只是等待的设备，例如网络数据和接收，则线程几乎不够。
有两种方法来处理信号后处理。一个是真实的时间处理。没有好方法。您可以使用“ micr -thread”方法来最大程度地减少处理周期。另一个是少量延迟。然后通常的方法是使用队列。在线程队列或过程池的消息队列中输入信号。由后者分配。
还有一种有效的处理方法，可以根据信号的值进行哈希，然后自动分配给不同的CPU或服务器。这甚至是大规模的并发处理机制。
在正常情况下，例如Web服务器，它需要获得请求，然后处理响应。您可以使用线程模型或过程模型。它也是典型的池方法。池的大小取决于您的计算能力，内存大小和并发访问。
您要使用多少？假设信号的处理周期为1秒，您同时拥有100个信号，那么您需要100个线程或进程。
线程数量过多，表面处理能力增加，但延迟也在增加，故障率将增加。
由于该进程池一次只能一次运行4个进程，因此0,1,2,3是同时的四个过程，然后只能等待4个进程。在进程池中的任何过程结束后，都立即执行4个进程。因此，在0结束后，执行执行，然后1,2,3接一个地结束，而4个最终结束。
python multi -process，同一时间，有几个线程运行
通常是一个，因为没有真实的多线程线程，但是在多线程中很快切换
结论：以上是首席执行官注释编制的Python Multi -Processes的相关内容的相关内容。希望它对您有所帮助！如果您解决了问题，请与更多关心此问题的朋友分享?