我的mac 4核，因此每次執行的時候同時開啟4個線程處理：

# coding: utf-8

import time
from multiprocessing import Pool


def long_time_task(name):
    print ‘task %s starts running‘ % name
    time.sleep(3)
    print ‘task %s ends running --3 seconds‘ % name


if __name__ == ‘__main__‘:
    start = time.time()
    p = Pool()
    
 
for i in range(10):  # CPU有幾核，每次就取出幾個進程
        p.apply_async(func=long_time_task, args=(i,))
    p.close()  # 調用join()之前必須先調用close()，調用close()之後就不能繼續添加新的Process了
    p.join()  # 對Pool對象調用join()方法會等待所有子進程執行完畢
    end = time.time()
    print(‘多進程(非阻塞)執行共需時間為：%.2f‘ % (end - start))

運行效果：

task 0 starts running
task 1 starts running
task 2 starts running
task 3 starts running
task 0 ends running --3 seconds
task 1 ends running --3 seconds
task 3 ends running --3 seconds
task 2 ends running --3 seconds
task 4 starts running
task 5 starts running
task 6 starts running
task 7 starts running
task 5 ends running --3 seconds
task 4 ends running --3 seconds
task 7 ends running --3 seconds
task 6 ends running --3 seconds
task 8 starts running
task 9 starts running
task 8 ends running --3 seconds
task 9 ends running --3 seconds
多進程(非阻塞)執行共需時間為：9.13

解釋：

CPU先取出0-3號進程，執行完畢後，4~8號進程才開始執行。0-3號進程花了3秒鐘，4~8號 進程也花了3秒。最後兩個進程9，10又花了三秒，一共9秒。

也就意味著，我的代碼可以這樣寫，當history_ddos（多進程消費的數據）是一個隊列的時候，他會自動去隊列裏依次取數據：

    f = open("history_ddos.json", "r")
    history_ddos = json.load(f)
    f.close()

    # 10表示進程池中最多有10個進程一起執行
    p = Pool(10)
    for item in history_ddos:
        
 
# find_ddos_botnet(item)
        p.apply_async(func=find_ddos_botnet(), args=(item,))
    p.close()
    p.join()

python 多進程——使用進程池，多進程消費的數據）是一個隊列的時候，他會自動去隊列裏依次取數據