Python中使用fork是否适合?，Python使用fork,通常在java开发中采用

我纯粹来作为字面党回答下楼主“Python中fork的代价有多大”：

写一段C++的代码和Python的代码，都是做同样的事，fork10000次，每次创建子进程后立刻结束子进程。

#!/usr/bin/env python# coding: utf-8import timeimport osstart = time.time()for i in range(10000):    pid = os.fork()    if pid == 0:        os._exit(0)print time.time() - start # 单位为秒

#include <ctime>#include <iostream>#include <unistd.h>int main(){    int pid;    std::clock_t c_start = std::clock();    for (int i = 0; i < 10000; ++i) {        if ((pid = fork()) == 0) {            _exit(0);        }    }    std::cout << (std::clock() - c_start) / 1000 <<" ms\n";    return 0;}

结果：python版本用时3秒左右，C++版本用时700多毫秒。python ：c++为4倍左右。
考虑到一般情况下python跟c++在运行效率上的差异，这个差距算是很好了。

c++是直接使用系统调用fork函数，所以python中fork的代价现在应该很明了。

python多线程确实存在无法有效利用多核的情况。可以采用多进程方式，用multiprocessing这个库。不需要你去手动的fork。此外python的fork底层应该调用的就是linux的fork系统调用，所以代价不会很大。
关于multiprocessing，下面是一段示例代码：

from multiprocessing import Pooldef worker(src):    handle(src)if __name__ == "__main__":    pool = Pool(100)    src_list = get_src_list()    ret = pool(worker, src_list)    print(ret)

上面就是一个100进程的进程池，src_list是待处理的数据，进程池会自动把其中项目分配给不同的worker进程去处理，可以有效利用多核。