回调函数和池

# 1000个螺丝      1000个任务
# 制作设备只有4个  CPU的个数
# 顾几个人?       开多少个进程
import os
import time
from concurrent.futures import ProcessPoolExecutor
def make(i):
    time.sleep(1)
    print('%s 制作螺丝%s'%(os.getpid(),i))
    return i**2
if __name__ == '__main__':
    p = ProcessPoolExecutor(4)   # 创建一个进程池,表示可以同时掉那个的cpu个数
    for i in range(100):
        p.submit(make,i)   # 向进程池中提交任务
    p.shutdown()  # 阻塞 直到池中的任务都完成为止
    print('所有的螺丝都制作完了')
    p.map(make,range(100)) # submit的简便用法
    # 接收返回值
    ret_l = []
    for i in range(100):
        ret = p.submit(make,i)
        ret_l.append(ret)
    for r in ret_l:
        print(r.result())
    ret = p.map(make, range(100))
    for i in ret:
        print(i)
# 回调函数
import time
import random
def func1(n):
    time.sleep(random.random())
    print('in func1 %s'%n)
    return n*2
def call_back(arg):
    print(arg.result())
if __name__ == '__main__':
    p = ProcessPoolExecutor(4)
    for i in range(10):
        ret = p.submit(func1,i)
        ret.add_done_callback(call_back)   # 回调函数即使在这个线程对应的函数执行完毕之后立即执行的函数
                                            # 参数为函数的返回值
    ret_l = []
    for i in range(10):
        ret = p.submit(func1, i)
        ret_l.append(ret)
    for r in ret_l:
        call_back(r)   # 也可以使用for的call_back方法回调函数，参数依然为上一个函数的返回值

# 1.不能有多少个任务就开多少个进程,这样开销太大了
# 2.用有限的进程执行无限的任务,多个被开启的进程重复利用,节省的是开启\销毁\多个进程切换的时间
# 3.回调函数是谁执行的?(主进程?子进程