一、示例代码：

from multiprocessing import Pool
import time
import requests

urls = [                                              # URL队列，通过多进程访问
    'http://www.python.org',
    'http://www.python.org/about/',
    'http://www.python.org/doc/',
    'http://www.python.org/download/',
    'http://www.python.org/getit/',
    'http://www.python.org/community/',
    'https://wiki.python.org/moin/',
    'http://planet.python.org/',
    'https://wiki.python.org/moin/LocalUserGroups',
    'http://www.python.org/psf/',
    'http://docs.python.org/devguide/',
    'http://www.python.org/community/awards/'
]


def open_url(url):
    res = requests.get(url)
    if res.status_code == 200:
        return res.text
    else:
        return ''


if __name__ == '__main__':
    urls = urls * 1

start = time.time()                                     # 单进程
pool1 = Pool(processes=1)
results = []
for url in urls:
    results.append(pool1.apply_async(open_url, (url,)))
pool1.close()
pool1.join()
print('单进程执行时间：', time.time() - start)

start = time.time()                                     # 多进程
pool2 = Pool(processes=4)
results = []
for url in urls:
    results.append(pool2.apply_async(open_url, (url,)))
pool2.close()
pool2.join()
print('多进程执行时间：', time.time()-start)

二、主要函数解读：

apply_async()函数的功能是向进程池提交多个url请求。它支持非阻塞、返回结果后进行回调的方式。

三、运行结果：

四、结论：

与前一篇的多线程池与单线程访问多网页所用的时间差别只有3倍的比较，此篇的多进程池与单进程访问多网页使用的时间差别，有17倍之多。