上一期我们讲了python中多线程的使用，忘记的小伙伴请戳链接复习，https://zhuanlan.zhihu.com/p/262638052。
还记得我们说到，多线程并不是真正的并发，只是充分利用了等待时间，所以当遇到CPU密集型的任务时，多线程就力不从心了，这时候要请出本文的主角多进程。
多进程的使用方法和上一期多线程极为相似，实际上在multiprocessing库中多线程只是在多进程的基础上多封装了一层，话不多说，直接上代码。
# 定义一个CPU密集的计算任务，重复做50万次运算
看看打印的输出结果，在单进程模式下，每次都在同一个进程ID下运行，耗时21秒
Run task 0, pid 3820
Task 0 finished, cost 3.78 seconds.
Run task 1, pid 3820
Task 1 finished, cost 3.55 seconds.
Run task 2, pid 3820
Task 2 finished, cost 3.53 seconds.
Run task 3, pid 3820
Task 3 finished, cost 3.58 seconds.
Run task 4, pid 3820
Task 4 finished, cost 3.42 seconds.
Run task 5, pid 3820
Task 5 finished, cost 3.53 seconds.
Normal: 21.383224725723267
在多进程模式下，由于我们在程序中设置了开启4个进程，可以看到6个计算任务在最开始只同时开始了4个，并且是位于不同的进程ID下，只有当某个任务运行结束，才会补上下一个任务，最多不超过4个。在多进程模式下，总耗时9s。值得注意的是，多进程是极为消耗计算机资源的，读者可以尝试在运行时，检查计算机的CPU利用率，会发现有了几倍的飙升，因此使用多进程模式一定要结合实际情况量力而行。
Run task 0, pid 12240
Run task 1, pid 16864
Run task 2, pid 15436
Run task 3, pid 17808
Task 3 finished, cost 4.61 seconds.
Run task 4, pid 17808
Task 1 finished, cost 4.66 seconds.
Run task 5, pid 16864
Task 2 finished, cost 4.74 seconds.
Task 0 finished, cost 4.79 seconds.
Task 4 finished, cost 4.04 seconds.
Task 5 finished, cost 4.06 seconds.
Pool: 9.227919340133667
由于有了上一期的基础，本文快速地综述了python中多进程最基础的部分，能力有效，如有谬误请不吝指出。
