使用多进程解决斐波那契序列多输入问题.md

下面我们将使用多进程解决多输入情况下的斐波那契数列问题，而不是之前我们使用的多线程的方法。
multiprocessing_fibonacci.py程序使用multiprocessing模块，为了顺利执行，还导入了如下模块：

import sys, time, random, re, requests
import concurrent.futures
from multiprocessing import, cpu_count, current_process, Manager

上面一些导入模块在之前的章节中提及过，然而，下面的这些模块我们需要特别注意：

• cpu_count: 该方法允许获得机器cpu的数量
• current_process: 该方法可以获得当前进程的信息，比如进程名称
• Manager: 该类通过对象的方式允许功在多进程之间共享python对象

下面的代码中我们可以注意到第一个方法有点不同，它将产生15个1到20之间的整数，这些整数将被当作fibo_dict的key使用。
接下来让我们一起来看producer_task方法，如下：

def producer_task(q, fibo_dict):
    for i in range(15):
        value = random.randint(1, 20)
        fibo_dict[value] = None

        print("Producer [%s] putting value [%d] into queue.." % (current_process().name, value))
        q.put(value)

下面将定义一个函数来计算fibo_dict中key对应的斐波那契数列值，和之前章节介绍计算斐波那契序列值不同的是，这里把fibo_dict当作参数传入不同的processes。

下面是consumer_task方法，如下：

def consumer_task(q, fibo_dict):
    while not q.empty():
        value = q.get(True, 0.05)
        a, b = 0, 1
        for item in range(value):
            a, b = b, a+b
        fibo_dict[value] = a
        print("consumer [%s] getting value [%d] from queue..." % (current_process().name, value))

更进一步，我们来看main函数中的代码，main函数中下面几个变量被定义：

• data_queue: 该参数由multiprocessing.Queueu来创建，是进程安全的
• number_of_cpus: 该参数由multiprocessing.cpu_count方法获得，获得机器cpu的个数
• fibo_dict: 这个字典类型变量从Manager实例获得，保存多进程计算结果

然后，我们将创建producer进程，并传入data_queue队列，data_queue队列值由producer_task方法获得:

producer = Process(target=producer_task, args=(data_queue, fibo_dict))
producer.start()
producer.join()

我们可以注意到Process实例的初始化过程和我们之前的Thread实例初始化过程类似。初始化函数接收target参数作为进程中要执行的函数，和args参数作为target传入的函数的参数。接下来我们通过start方式开始进程，然后使用join方法，等待producer进程执行完毕。

下面一块代码中，我们将定义consumer_list队列，存入初始化过的consumer进程。使用list存储consumer对象的原因是在所有进程结束开始后调用join方法。循环中的每一个worker被调用后，下一个worker将等待上一个worker执行完毕后才开始执行，下面代码将描述这一过程：

consumer_list = []
cpu = cpu_count()
print(cpu)
for i in range(cpu):
    consumer = Process(target=consumer_task, args=(data_queue, fibo_dict))
    consumer.start()
    consumer_list.append(consumer)
[consumer.join() for consumer in consumer_list]

最终我们将迭代输出fibo_dict中的结果，如下面截图所示：