可能最明智的方法是使用multiprocessing.cpu_count()，它根據系統上可用的最大內核數生成一個工作進程池，然后基本上在內核可用時提供任務。

標準文檔([http://docs.python.org/2/library/multiprocessing.html#using-a-pool-of-workers)]中的示例顯示，您還可以手動設置核數：

from multiprocessing import Pool

def f(x):

return x*x

if __name__ == '__main__':

pool = Pool(processes=4) # start 4 worker processes

result = pool.apply_async(f, [10]) # evaluate "f(10)" asynchronously

print result.get(timeout=1) # prints "100" unless your computer is *very* slow

print pool.map(f, range(10)) # prints "[0, 1, 4,..., 81]"

而且，如果代碼中需要的話，很容易知道有multiprocessing.cpu_count()方法可以計算給定系統上的內核數。

編輯：這是一些看起來適合您的特定情況的代碼草案：

import multiprocessing

def f(name):

print 'hello', name

if __name__ == '__main__':

pool = multiprocessing.Pool() #use all available cores, otherwise specify the number you want as an argument

for i in xrange(0, 512):

pool.apply_async(f, args=(i,))

pool.close()

pool.join()

總結

以上是生活随笔為你收集整理的python进程数上限_python-使用multiprocessing.Process并发进程数最多的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。