简介：今天，首席CTO注释要与您分享与Python相关的几个过程。如果您可以解决您现在面临的问题，请不要忘记注意此网站。让我们现在开始！
初始化池时，您可以指定最大过程。当将新请求提交到池中，如果池不满，则将创建一个新的进程以执行请求；要达到指定的最大值，则该请求将等到该进程在池中结束，上一个过程将用于执行新任务。
最大过程仅受操作系统资源的限制。
过程越好，程序越快。
通常有几个CPU核心，打开了多少个过程，或核心号的n倍。
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。
如前所述，为什么建议使用Python使用多流程而不是多线程，但是多过程也有其自己的限制：与线程更大和切换时间相比，在Python的多过程中，流程的数量不建议超过CPuthe核心号（一个过程仅一个GIL，因此一个过程只能运行CPU），因为当过程占据CPU时，一个过程可以充分利用机器的性能，但是会有在此过程中频繁切换过程，但这将是毫无价值的。
但是，在特殊情况下（特别指的是IO密集型任务），多线程比多过程更好。
例如：给您200W URL，您需要抓住与每个URL相对应的页面。目前，仅使用多个过程，效果绝对是不好的。为什么？
例如，每个请求的等待时间为2秒，然后是以下内容（忽略CPU计算时间）：
1.单个过程+单线程：需要2秒*200W = 400W秒== 1111.11小时== 46.3天，显然是不可接受的
2.单个过程+多线程：例如，我们在此过程中打开了10个多线程，与1相比，它可以增加10倍，即约4.63天可以完成200W的爬网。请注意，这里的实际执行是实际执行在这里。：线程1遇到阻塞，CPU开关到线程2进行执行，遇到阻塞并切换到线程3等。在10个线程被阻止后，过程被阻止。执行操作，因此速度可以提高约10次（在这里，由于线程切换引起的开销，实际上不应是10次），但是有必要考虑切换的切换该线程也可以预期，因此有一个开销，Socan不会启动多线程（200W线程绝对不可靠）
3. Multi -Processes+Multi -threads：在这里真是太神奇了。一般而言，许多人使用这种方法。在多进程下，每个过程都可以占据CPU，并且多线程螺纹绕过等待在一定程度上的阻塞。因此，它比单个过程中的多线程线更好。例如，我们在每个过程中打开10个过程和20W线程。它是10次以上，而不是10次，主要是因为CPU开关200W线程消耗绝对比20W过程大得多，考虑到这部分费用，因此它超过10次）。
有更好的方法吗？答案是肯定的，是：
4.理事会，让我们谈谈在使用它之前什么/为什么/如何/为什么/为什么使用它/如何使用它）
什么：
理事会是一个用户级别的轻量级线程。Coroutine具有自己的寄存器上下文并堆叠。当Coroutine调度和切换时，将寄存器上下文保存并堆叠到其他地方。缩短时，还原先前保存的寄存器上下文并堆栈。
Coroutine可以保留先前呼叫的状态（即所有当地状态的特定组合）。每次重新输入该过程时，它等同于输入最后一个呼叫的状态。
在并发编程中，Coroutine类似于线程。每个Coroutine代表一个具有自己本地数据的执行单元，并与其他Coroutines共享全局数据和其他资源。
FAL：
目前，主流语言基本上选择了多线程作为并发设施。线程相关概念的概念是抓住Premptive多任务处理，而协作多任务与Coroutine有关。
无论是过程还是线程，每次被阻止或切换时，都需要在系统调用（系统调用）中捕获，首先让CPU运行操作系统调度程序，然后计划计划程序决定哪个过程（线程）应运行。
而且，由于夺取计划执行的顺序的特征，在使用线程时，有必要非常仔细地处理同步问题，并且根本没有这样的问题（事件驱动程序和异步程序具有相同的优势）。
因为Coroutine是用户本身编写调度逻辑的用户，因此对于CPU，Coroutine实际上是一个线程，因此CPU无需考虑如何安排，切换上下文，这消除了CPU切换在上面的上空，因此在确定性上可以肯定的是，它比多线程更好。
如何：
如何在Python中使用Coroutines？答案是使用Gevent，如何使用：请参阅此处
使用公司不能受到线程开销的限制。我试图一次将20W URL放入一次过程中。这完全很好。
因此，最建议的方法是多进程+coroutine（可以在每个过程中视为单个线程，并且该单个线程被纠正）
在多个流程+Coroutines下，CPU开关开销已被避免，并且可以使用多个CPU来充分利用它。对于具有大量数据和文件读写的爬行动物的效率，此方法是巨大的。
尖端：
[python]查看普通副本
＃ - * - 编码= UTF-8 - * -
导入请求
从多处理导入过程
进口Gevent
来自Gevent Import Monkey；monkey.patch_all（）
导入系统
重新加载（系统）
sys.setdefaultencoding（'utf8'）
def提取（url）：
尝试：
s = requests.session（）
r = s.get（url，timeout = 1）＃在这里抓取页面
除例外，E：
打印e
返回 '??'
def Process_start（url_list）：
任务= []
对于URL_LIST中的URL：
tasks.append（gevent.spawn（fetch，url））
gevent.joinall（任务）#use coroutine执行
def task_start（filepath，flag = 100000）：＃启动每个10W URL的进程
使用开放（filepath，'r'）作为读取器：＃＃从给定文件中读取URL
url = reader.readline（）。条 （）
url_list = []＃该列表用于存储公司任务
i = 0＃计数器，在公司队列中添加了多少个URL
url！=''：
i+= 1
url_list.append（url）＃each阅读URL，将URL添加到队列中
如果i == flag：＃a某些URL数量启动一个进程并执行
p = process（target = process_start，args =（url_list，））
p.start（）
url_list = [] #reset url队列
i = 0＃重置计数器
url = reader.readline（）。条 （）
如果url_list不[]：＃如果您退出循环，则在任务队列中仍然有URL的剩余
p = process（target = process_start，args =（url_list，））＃
p.start（）
如果__name__ =='__ main __'：
task_start（'https://www.shouxicto.com/article/testdata.txt')
仔细的同学会发现上面的示例隐藏了一个问题：随着URL数量的增加，过程的数量将继续增加。我们不使用流程池多处理。池在这里控制过程的数量。气味有冲突，不能同时使用，但是感兴趣的学生可以研究gevent.pool coroutine pool。
Python单个过程的最大连接数为1024。插座连接编号的理论值应等于可以打开的过程的最大文件描述符。
结论：以上是首席CTO的全部内容注明了每个人都为每个人打开了多少个Python的过程。感谢您阅读本网站的内容。我希望这对您有帮助。有关Python将打开多少流程的更多信息，请不要忘记在此网站上找到它。