一 pool
multiprocessing.pool也就是传说中的进程池，pool的构造如下
multiprocessing.Pool([processes[, initializer[, initargs[, maxtasksperchild]]]]) 中，
initializer表示新进程的初始化函数。
initargs表示新进程的初始化函数的参数。
maxtasksperchild表示每个进程执行task的最大数目。
apply()用来为pool中的进程赋予task。
map()用来循环地为pool中的进程赋予tasks。
close()用来阻止新的task的提交到pool中，一但已有的tasks都完成后，pool将退出。
terminate()用来立即停止pool中所有的进程。
join()等待pool中所有的进程退出。
实例：
import time
def do_calculation(data):
print(multiprocessing.current_process().name)
time.sleep(3)
return data * 2
def start_process():
print ('Starting', multiprocessing.current_process().name)
if __name__ == '__main__':
inputs = list(range(10))
print ('Input :' + str(inputs))
pool_size = multiprocessing.cpu_count()
pool = multiprocessing.Pool(processes=pool_size,
initializer=start_process,
)
pool_outputs = pool.map(do_calculation, inputs)
pool.close() # no more tasks
pool.join() # wrap up current tasks
print ('Pool :' + str(pool_outputs))
运行结果：
上面的实例中可以看到当前的CPU是8core的，pool中公有8个进程，但是有10个任务，其中有2个进程处理了2个任务。
二 logging
使用multiprocessing启动的logger来帮助调试多进程。例如：
logger.debug("Test")
完！