在利用Python進行系統管理的時候，特別是同時操作多個文件目錄，或者遠程控制多台主機，並行操作可以節約大量的時間。當被操作對象數目不大時，可以直接利用multiprocessing中的Process動態成生多個進程，10幾個還好，但如果是上百個，上千個目標，手動的去限制進程數量卻又太過繁瑣，這時候進程池Pool發揮作用的時候就到了。
Pool可以提供指定數量的進程，供用戶調用，當有新的請求提交到pool中時，如果池還沒有滿，
那麼就會創建一個新的進程用來執行該請求；但如果池中的進程數已經達到規定最大值，
那麼該請求就會等待，直到池中有進程結束，
才會創建新的進程來它。這裡有一個簡單的例子：
#!/usr/bin/env python
#coding=utf-8
from multiprocessing import Pool
from time import sleep
def f(x):
for i in range(10):
print '%s --- %s ' % (i, x)
sleep(1)
def main():
pool = Pool(processes=3) # set the processes max number 3
for i in range(11,20):
result = pool.apply_async(f, (i,))
pool.close()
pool.join()
if result.successful():
print 'successful'
if __name__ == "__main__":
main()
先創建容量為3的進程池，然後將f(i)依次傳遞給它，運行腳本後利用ps aux | grep pool.py查看進程情況，會發現最多只會有三個進程執行。pool.apply_async()用來向進程池提交目標請求，pool.join()是用來等待進程池中的worker進程執行完畢，防止主進程在worker進程結束前結束。但必pool.join()必須使用在pool.close()或者pool.terminate()之後。其中close()跟terminate()的區別在於close()會等待池中的worker進程執行結束再關閉pool,而terminate()則是直接關閉。result.successful()表示整個調用執行的狀態，如果還有worker沒有執行完，則會拋出AssertionError異常。
利用multiprocessing下的Pool可以很方便的同時自動處理幾百或者上千個並行操作，腳本的復雜性也大大降低.
python中multiprocessing.pool函數介紹
一 apply(func[, args[, kwds]])
apply用於傳遞不定參數，同python中的apply函數一致（不過內置的apply函數從2.3以後就不建議使用了），主進程會阻塞於函數。
for x in gen_list(l):
result = pool.apply(pool_test, (x,))
print 'main process'
這個時候主進程的執行流程同單進程一致
二 apply_async(func[, args[, kwds[, callback]]])
與apply用法一致，但它是非阻塞的且支持結果返回後進行回調。
for x in gen_list(l):
result = pool.apply_async(pool_test, (x,))
print 'main process'
這個時候主進程循環運行過程中不等待apply_async的返回結果，在主進程結束後，即使子進程還未返回整個程序也會就退出。雖然 apply_async是非阻塞的，但其返回結果的get方法卻是阻塞的，在本例中result.get()會阻塞主進程。因此可以這樣來處理返回結果：
[x.get() for x in [pool.apply_async(pool_test, (x,)) for x in gen_list(l)]]
如果我們對返回結果不感興趣， 那麼可以在主進程中使用pool.close與pool.join來防止主進程退出。注意join方法一定要在close或terminate之後調用。
for x in gen_list(l):
pool.apply_async(pool_test, (x, ))
print 'main_process'
pool.close()
pool.join()
三 map(func, iterable[, chunksize])
map方法與內置的map函數行為基本一致，在它會使進程阻塞與此直到結果返回。
但需注意的是其第二個參數雖然描述的為iterable, 但在實際使用中發現只有在整個隊列全部就緒後，程序才會運行子進程。
四 map_async(func, iterable[, chunksize[, callback]])
與map用法一致，但是它是非阻塞的。其有關事項見apply_async。
五 imap(func, iterable[, chunksize])
與map不同的是， imap的返回結果為iter，需要在主進程中主動使用next來驅動子進程的調用。即使子進程沒有返回結果，主進程對於gen_list(l)的 iter還是會繼續進行， 另外根據python2.6文檔的描述，對於大數據量的iterable而言，將chunksize設置大一些比默認的1要好。
for x in pool.imap(pool_test, gen_list(l)):
pass
六 imap_unordered(func, iterable[, chunksize])
同imap一致，只不過其並不保證返回結果與迭代傳入的順序一致。
七 close()
關閉pool，使其不在接受新的任務。
八 terminate()
結束工作進程，不在處理未處理的任務。
九 join()
主進程阻塞等待子進程的退出， join方法要在close或terminate之後使用。
l = range(10)
def gen_list(l):
for x in l:
print 'yield', x
yield x
def pool_test(x):
print 'f2', x
time.sleep(1)