運行此代碼應該產生以下輸出：

注意：我們將使用Python 3作為這些例子。

使用隊列運行多個函數

作為數據結構，隊列是非常普遍的，并且以多種方式存在。 它被組織為先進先出（FIFO）或先進先出（LIFO）/堆棧，以及有和沒有優先級（優先級隊列）。 數據結構被實現為具有固定數量條目的數組，或作為包含可變數量的單個元素的列表。

在列表2.1-2.7中，我們使用FIFO隊列。 它被實現為已經由來自multiprocessing模塊的相應類提供的列表。此外，time模塊被加載并用于模擬工作負載。

清單2.1：要使用的模塊

接下來，定義一個worker函數（清單2.2）。 該函數實際上代表代理，需要三個參數。進程名稱指示它是哪個進程，tasks和results都指向相應的隊列。

在工作函數里面是一個while循環。tasks和results都是在主程序中定義的隊列。tasks.get()從要處理的任務隊列中返回當前任務。小于0的任務值退出while循環，返回值為-1。任何其他任務值都將執行一個計算（平方），并返回此值。將值返回到主程序實現為result.put()。這將在results隊列的末尾添加計算值。

清單2.2：worker函數

下一步是主循環（參見清單2.3）。首先，定義了進程間通信（IPC）的經理。接下來，添加兩個隊列，一個保留任務，另一個用于結果。

?

清單2.3：IPC和隊列

完成此設置后，我們定義一個具有四個工作進程（代理）的進程池。我們使用類multiprocessing.Pool()，并創建一個它的實例。 接下來，我們定義一個空的進程列表（見清單2.4）。

?

清單2.4：定義一個進程池

?

作為以下步驟，我們啟動了四個工作進程（代理）。 為了簡單起見，它們被命名為“P0”到“P3”。使用multiprocessing.Pool()完成創建四個工作進程。這將它們中的每一個連接到worker功能以及任務和結果隊列。 最后，我們在進程列表的末尾添加新初始化的進程，并使用new_process.start()啟動新進程（參見清單2.5）。

清單2.5：準備worker進程

?

我們的工作進程正在等待工作。我們定義一個任務列表，在我們的例子中是任意選擇的整數。這些值將使用tasks.put()添加到任務列表中。每個工作進程等待任務，并從任務列表中選擇下一個可用任務。 這由隊列本身處理（見清單2.6）。

清單2.6：準備任務隊列

?

過了一會兒，我們希望我們的代理完成。 每個工作進程對值為-1的任務做出反應。 它將此值解釋為終止信號，此后死亡。 這就是為什么我們在任務隊列中放置盡可能多的-1，因為我們有進程運行。 在死機之前，終止的進程會在結果隊列中放置-1。 這意味著是代理正在終止的主循環的確認信號。

在主循環中，我們從該隊列讀取，并計數-1。 一旦我們計算了我們有過程的終止確認數量，主循環就會退出。 否則，我們從隊列中輸出計算結果。

清單2.7：結果的終止和輸出

?

示例2顯示了Python程序的輸出。 運行程序不止一次，您可能會注意到，工作進程啟動的順序與從隊列中選擇任務的進程本身不可預測。 但是，一旦完成結果隊列的元素的順序與任務隊列的元素的順序相匹配。

示例2

注意：如前所述，由于執行順序不可預測，您的輸出可能與上面顯示的輸出不一致。

?

使用os.system()方法