解决issue#1008，补充关于多进程的示例

Day01-15/13.进程和线程.md

@@ -486,4 +486,73 @@ if __name__ == '__main__':
 ```
 
 比较两段代码的执行结果（在我目前使用的MacBook上，上面的代码需要大概6秒左右的时间，而下面的代码只需要不到1秒的时间，再强调一次我们只是比较了运算的时间，不考虑列表创建及切片操作花费的时间），使用多进程后由于获得了更多的CPU执行时间以及更好的利用了CPU的多核特性，明显的减少了程序的执行时间，而且计算量越大效果越明显。当然，如果愿意还可以将多个进程部署在不同的计算机上，做成分布式进程，具体的做法就是通过`multiprocessing.managers`模块中提供的管理器将`Queue`对象通过网络共享出来（注册到网络上让其他计算机可以访问），这部分内容也留到爬虫的专题再进行讲解。
+##### 上述例子的补充内容：
+这部分的代码中的p.start()在启动进程后就马上地开始运算，这样导致后续 start = time()开始记时的时候有部分进程实际已经计算了一些数据。实际的代码这样写没有什么问题，这样写的好处简单易懂，但为了严谨一些，我们可以用下面的思路来解决这个问题。
+
+我们先需要加入一些必要的库和说明
+psutil 用于访问系统详情和进程控制，用来显示一些cpu和进程的信息。
+Process 用于创建新的进程
+Event 是一个用于进程间通信的同步原语，可以设置信号状态为真，让所有阻塞等待这个事件的进程继续运行。
+思路：
+1.我们可以先初始化进程但不启动它们：创建每个进程后，将它们加入到进程列表中，但不立即调用 p.start()。
+2.接着设置一个全局的 Event：使用 Event 来控制所有进程的启动。所有进程将在 start_event.wait() 调用处阻塞，直到 start_event.set() 被调用。
+3.统一启动所有进程：在主进程中，首先设置好计时开始的点 start = time()，然后通过 start_event.set() 释放所有子进程的阻塞状态，允许它们开始执行。这样使得所有进程的任务同步开始计算。
+4.开始并同步所有进程：等待所有任务结束后，合并执行结果。
+
+代码中还加入查看每个进程任务所花费的用时和以及进程分配的cpu信息（这样保证不同进程都执行差不多的时间），同时也有最终总执行的时间。
+```python
+
+import psutil
+from multiprocessing import Process, Queue, Event
+from time import time,sleep
+
+def task_handler(curr_list, result_queue, start_event, cpu_id):
+ psutil.Process().cpu_affinity([cpu_id]) # 尝试设置CPU亲和性
+ start_event.wait() # 等待从主进程发出的开始信号
+ start_time = time() # 记录开始时间
+ total = sum(curr_list)
+ end_time = time() # 记录结束时间
+ # 将结果和时间放入队列
+ result_queue.put((total, start_time, end_time, cpu_id))
 
+def main():
+ processes = []
+ number_list = [x for x in range(1, 100000001)]
+ result_queue = Queue()
+ start_event = Event() # 创建一个事件用于同步开始计算
+ cpus = psutil.cpu_count(logical=False) # 获取物理核心数
+ index = 0
+
+ # 创建并启动进程，尽量平均分配到不同的CPU核心上
+ for i in range(8):
+ cpu_id = i % cpus
+ p = Process(target=task_handler, args=(number_list[index:index + 12500000], result_queue, start_event, cpu_id))
+ index += 12500000
+ processes.append(p)
+ p.start()
+
+ # sleep(5)
+ start = time()
+
+ # 发送开始计算的信号
+ start_event.set()
+
+ # 等待所有进程完成
+ for p in processes:
+ p.join()
+
+ # 计算完成，合并执行结果
+ total = 0
+ while not result_queue.empty():
+ subtotal, proc_start_time, proc_end_time, cpu_id = result_queue.get()
+ total += subtotal
+ # 正确打印每个进程的执行时间和所在CPU
+ print(f'Process on CPU {cpu_id} took: {proc_end_time - proc_start_time:.3f} seconds')
+ end = time()
+ print(total)
+ print('Total Execution time: %.3fs' % (end - start))
+ print('Total execution time: ', (proc_end_time - proc_start_time), 's', sep='')
+
+if __name__ == '__main__':
+ main()
+```