如何用Python Multiprocessing运行多个无参独立函数？

当然没问题！用multiprocessing模块执行无参数的独立函数其实比带参数的场景更简单——不用额外处理参数传递。下面我给你一套可复用、易扩展的代码结构，完美适配你要跑6个（或更多）无参函数的需求。

基础实现思路 #

核心逻辑很清晰：

• 先定义好所有需要并行运行的无参数函数
• 为每个函数创建一个multiprocessing.Process实例
• 启动所有进程，最后等待它们全部执行完成（避免主进程提前退出）

可复用的完整代码示例 #

import multiprocessing
import time

# ----------------------
# 定义你的无参数业务函数（示例6个）
# ----------------------
def task_1():
    print("任务1启动")
    time.sleep(2)  # 模拟耗时操作
    print("任务1完成")

def task_2():
    print("任务2启动")
    time.sleep(1.5)
    print("任务2完成")

def task_3():
    print("任务3启动")
    time.sleep(3)
    print("任务3完成")

def task_4():
    print("任务4启动")
    time.sleep(2.5)
    print("任务4完成")

def task_5():
    print("任务5启动")
    time.sleep(1)
    print("任务5完成")

def task_6():
    print("任务6启动")
    time.sleep(2)
    print("任务6完成")

# ----------------------
# 封装的多进程运行工具（可直接复用）
# ----------------------
def run_parallel_tasks(task_list):
    processes = []
    # 为每个任务创建并启动进程
    for task in task_list:
        proc = multiprocessing.Process(target=task)
        processes.append(proc)
        proc.start()
    
    # 等待所有子进程执行完毕
    for proc in processes:
        proc.join()

# ----------------------
# 主程序入口（Windows系统必须加这个判断！）
# ----------------------
if __name__ == "__main__":
    print("主进程开始运行")
    # 要执行的任务列表——扩展时只需要把新函数加进这个列表
    tasks_to_execute = [task_1, task_2, task_3, task_4, task_5, task_6]
    run_parallel_tasks(tasks_to_execute)
    print("所有子任务执行完成，主进程结束")

关键细节说明 #

1. 可扩展性：以后要新增任务，只需要定义新的无参函数，然后把它加到tasks_to_execute列表里就行，完全不用修改run_parallel_tasks工具函数。
2. 跨平台兼容性：if __name__ == "__main__"这个判断必须加，尤其是Windows系统——因为Windows的进程创建机制会重新导入脚本，不加这个会导致无限创建进程的错误。Linux/macOS虽然可以不用，但加上能保证代码跨平台运行。
3. 进程同步：join()方法会让主进程等待对应子进程完成，避免主进程提前退出导致子进程被强制终止。

扩展优化建议 #

• 控制并发数：如果要运行的任务特别多（比如几十个），不想同时启动太多进程，可以改用multiprocessing.Pool来限制并发数：

  def run_with_pool(task_list, max_workers=4):
      with multiprocessing.Pool(max_workers=max_workers) as pool:
          # 提交所有无参任务
          task_results = [pool.apply_async(task) for task in task_list]
          # 等待所有任务完成
          for res in task_results:
              res.get()
  

  调用时替换run_parallel_tasks即可，max_workers可以设置同时运行的进程上限。
• 捕获返回值：如果你的任务有返回结果，可以用Pool.apply_async的get()方法获取，或者用multiprocessing.Queue在进程间传递结果。
• 异常处理：可以在每个任务函数内部添加try-except块，避免单个任务崩溃影响其他进程运行。

这样的结构既满足你当前的需求，也能轻松适配后续的扩展场景。

内容的提问来源于stack exchange，提问作者ARehman