一、subprocess模块
call()：执行命令，返回程序返回码（int）
import subprocess
print(subprocess.call("mspaint"))
check_output()：执行命令，返回输出（bytes）
import subprocess
import chardet
output = subprocess.check_output("ipconfig")
encoding = chardet.detect(output)['encoding']
print(output.decode(encoding, errors="ignore"))
二、threading模块
Thread
构造函数-参数：
target: 执行的操作（可调用对象，必选的）
name: 线程名（字符串，可选的）
args: 可调用对象需要的参数（位置参数部分，元组）
kwargs: 可调用对象需要的参数（关键字参数部分，字典）
from threading import Thread
t = Thread(
target=print,
args=(1, 2, 3),
kwargs={'sep': '->', 'end': '\n' * 10}
)
t.start()
方法：
start(): 启动线程（开始交给CPU执行）
run()：start()启动之后，会被自动调用的方法。（子类可重写）
join(): 让父级线程等待自己完成（必须要在调用start()之后才能调用）
属性：
name：线程名称
daemon：是否是后台线程（若要设置该值，必须要在调用start()方法之前）
ident: 线程ID
Event:
set(): 设置值为True
clear(): 设置值为False
wait(): 等待
is_set()：判断值是否为True
函数：
main_thread()：得到主线程对象
active_count()：得到活跃线程数目
current_thread()：得到当前所在的线程对象
enumerate()：返回迭代器，得到所有的活跃线程
关于daemon：
在脚本运行过程中有一个主线程，若在主线程中创建了子线程，当主线程结束时根据子线程daemon属性值的不同可能会发生下面的两种情况之一：
如果某个子线程的daemon属性为False，主线程结束时会检测该子线程是否结束，如果该子线程还在运行，则主线程会等待它完成后再退出；
如果某个子线程的daemon属性为True，主线程运行结束时不对这个子线程进行检查而直接退出，同时所有daemon值为True的子线程将随主线程一起结束，而不论是否运行完成。
属性daemon的值默认为False，如果需要修改，必须在调用start()方法启动线程之前进行设置。
另外要注意的是，上面的描述并不适用于IDLE环境中的交互模式或脚本运行模式，因为在该环境中的主线程只有在退出Python IDLE时才终止。
三、multiprocessing模块
Process() 创建一个进程对象，构造函数参数如下
target：要执行的操作（函数）（必须）
name：进程名（可选）
args：传递给target的函数执行时需要的位置、可选参数（按位置指定）
kwargs：传递给target的函数执行时需要的关键字参数（按名称指定）
进程对象（实例）方法：
start()：启动进程
run()：进程启动后，实际执行的方法，一般重写此方法。
terminate()：强制结束进程
join()：等待所有子进程执行完成
进程对象（实例）属性：
name：进程名
daemon：是否是后台进程
pid: 进程id
Pool()，创建一个进程池，构造函数参数（都是可选的）如下：
numprocess：进程池大小（同时有几个进程在工作）（默认为当前电脑的CPU核心数）
initializer：每个进程启动时执行的操作（函数）
initargs：传递给initializer的函数执行需要的参数（元组）
Pool对象方法：
执行方法：
apply(func, args, kwargs)：（同步）执行一个。（返回值，func的返回结果）
apply_async(func, args, kwargs)：（异步）执行一个。（返回值：ApplyResult，与AsyncResult类似，需要在进程池中所有任务完成后调用其get()方法取数据）
map(func,iterable, chunksize)：（同步）一次取N个放到进程池中执行（N为进程池大小），等到本次取出的都执行完了再取下一批。（返回值：list，与外部数据顺序一致）
map_async(func,iterable, chunksize)：（异步）一次取N个放到进程池中执行（N为进程池大小），只要进程池中有空闲位置，就取会数据，保证进程池一直是忙碌的。(返回值: AsyncResult，需要在进程池中所有任务完成后调用其get()方法取数据)
imap(func, iterable, chunksize)：与map()类似，返回可迭代对象，返回数据的顺序和外部传递的数据顺序一致。
imap_unordered(func, iterable, chunksize)：与map()类似，但是返回数据的顺序不能确定（当对数据顺序没有要求时使用）。
进程池管理方法()：
close()：关闭进程池，但是会等待池中作业完成
terminate()：停止进程池中的作业，会关闭进程池
join()：等待进程池中所有任务完成（需要先关闭进程池）
AsyncResult方法：
get(timeout)：timeout可选。获取结果
ready()：判断进程池中任务是否执行完毕。
successful()：判断进程池中任务是否都正常完成了（只要有一个进程出错了，就会返回False）。
wait(timeout)：timeout可选。
Manager()托管对象。
dict(): 共享字典
Event(): 共享事件
list(): 共享列表
Value(typecode, value): 共享的单个值
multiprocessing.dummy.Pool() 线程池:
from multiprocessing.dummy import Pool as ThreadPool
pool_size = 4 # 线程池大小
tpool = ThreadPool(pool_size) # 创建线程池
进程池有的方法，线程池都有。
获取CPU核心数：
标准库- multiprocessingimport multiprocessing
multiprocessing.cpu_count()
第三方- psutilimport psutil
psutil.cpu_count()
注意：Python中的多进程，启动代码需要在if__name__ == "__main__"中，多进程代码，不能在交互式环境中执行，应该使用python xxx.py的方式执行。
参考：17.2. multiprocessing — Process-based parallelism
附加：
numpy
.mean()：求平均值
.sum(): 求和
uuid
uuid4()：生成唯一id（UUID类型，可以通过str()转成字符串）
1. subprocess模块
2. threading模块
3. multiprocessing模块
一、 subprocess模块
call()：执行命令，返回程序返回码（int）
| import subprocess
print(subprocess.call("mspaint")) |
check_output()：执行命令，返回输出（bytes）
| import subprocess import chardet
output = subprocess.check_output("ipconfig") encoding = chardet.detect(output)['encoding'] print(output.decode(encoding, errors="ignore")) |
二、 threading模块
Thread
构造函数-参数：
n target: 执行的操作（可调用对象，必选的）
n name: 线程名（字符串，可选的）
n args: 可调用对象需要的参数（位置参数部分，元组）
n kwargs: 可调用对象需要的参数（关键字参数部分，字典）
| from threading import Thread
t = Thread( target=print, args=(1, 2, 3), kwargs={'sep': '->', 'end': '\n' * 10} )
t.start() |
方法：
n start(): 启动线程（开始交给CPU执行）
n run()：start()启动之后，会被自动调用的方法。（子类可重写）
n join(): 让父级线程等待自己完成（必须要在调用start()之后才能调用）
属性：
n name：线程名称
n daemon：是否是后台线程（若要设置该值，必须要在调用start()方法之前）
n ident: 线程ID
Event:
n set(): 设置值为True
n clear(): 设置值为False
n wait(): 等待
n is_set()：判断值是否为True
函数：
n main_thread()：得到主线程对象
n active_count()：得到活跃线程数目
n current_thread()：得到当前所在的线程对象
n enumerate()：返回迭代器，得到所有的活跃线程
关于daemon：
在脚本运行过程中有一个主线程，若在主线程中创建了子线程，当主线程结束时根据子线程daemon属性值的不同可能会发生下面的两种情况之一：
l 如果某个子线程的daemon属性为False，主线程结束时会检测该子线程是否结束，如果该子线程还在运行，则主线程会等待它完成后再退出；
l 如果某个子线程的daemon属性为True，主线程运行结束时不对这个子线程进行检查而直接退出，同时所有daemon值为True的子线程将随主线程一起结束，而不论是否运行完成。
属性daemon的值默认为False，如果需要修改，必须在调用start()方法启动线程之前进行设置。
另外要注意的是，上面的描述并不适用于IDLE环境中的交互模式或脚本运行模式，因为在该环境中的主线程只有在退出Python IDLE时才终止。
三、 multiprocessing模块
Process() 创建一个进程对象，构造函数参数如下
u target：要执行的操作（函数）（必须）
u name：进程名（可选）
u args：传递给target的函数执行时需要的位置、可选参数（按位置指定）
u kwargs：传递给target的函数执行时需要的关键字参数（按名称指定）
进程对象（实例）方法：
n start()：启动进程
n run()：进程启动后，实际执行的方法，一般重写此方法。
n terminate()：强制结束进程
n join()：等待所有子进程执行完成
进程对象（实例）属性：
n name：进程名
n daemon：是否是后台进程
n pid: 进程id
Pool()，创建一个进程池，构造函数参数（都是可选的）如下：
u numprocess：进程池大小（同时有几个进程在工作）（默认为当前电脑的CPU核心数）
u initializer：每个进程启动时执行的操作（函数）
u initargs：传递给initializer的函数执行需要的参数（元组）
Pool对象方法：
执行方法：
n apply(func, args, kwargs)：（同步）执行一个。（返回值，func的返回结果）
n apply_async(func, args, kwargs)：（异步）执行一个。（返回值：ApplyResult，与AsyncResult类似，需要在进程池中所有任务完成后调用其get()方法取数据）
n map(func,iterable, chunksize)：（同步）一次取N个放到进程池中执行（N为进程池大小），等到本次取出的都执行完了再取下一批。（返回值：list，与外部数据顺序一致）
n map_async(func,iterable, chunksize)：（异步）一次取N个放到进程池中执行（N为进程池大小），只要进程池中有空闲位置，就取会数据，保证进程池一直是忙碌的。(返回值: AsyncResult，需要在进程池中所有任务完成后调用其get()方法取数据)
n imap(func, iterable, chunksize)：与map()类似，返回可迭代对象，返回数据的顺序和外部传递的数据顺序一致。
n imap_unordered(func, iterable, chunksize)：与map()类似，但是返回数据的顺序不能确定（当对数据顺序没有要求时使用）。
进程池管理方法()：
u close()：关闭进程池，但是会等待池中作业完成
u terminate()：停止进程池中的作业，会关闭进程池
u join()：等待进程池中所有任务完成（需要先关闭进程池）
AsyncResult方法：
l get(timeout)：timeout可选。获取结果
l ready()：判断进程池中任务是否执行完毕。
l successful()：判断进程池中任务是否都正常完成了（只要有一个进程出错了，就会返回False）。
l wait(timeout)：timeout可选。
Manager()托管对象。
n dict(): 共享字典
n Event(): 共享事件
n list(): 共享列表
n Value(typecode, value): 共享的单个值
multiprocessing.dummy.Pool() 线程池:
| from multiprocessing.dummy import Pool as ThreadPool
pool_size = 4 # 线程池大小 tpool = ThreadPool(pool_size) # 创建线程池 |
进程池有的方法，线程池都有。
获取CPU核心数：
| 标准库- multiprocessing |
import multiprocessing
multiprocessing.cpu_count() |
| 第三方- psutil |
import psutil
psutil.cpu_count() |
注意：Python中的多进程，启动代码需要在if__name__ == "__main__"中，多进程代码，不能在交互式环境中执行，应该使用python xxx.py的方式执行。
参考：17.2. multiprocessing — Process-based parallelism
附加：
numpy
.mean()：求平均值
.sum(): 求和
uuid
uuid4()：生成唯一id（UUID类型，可以通过str()转成字符串）