Linux下用Python的multiprocessing.Process开启的进程在函数返回后仍未结束

问题的原因是multiprocessing.Process在Linux下会发生僵尸进程的情况，即进程结束但是却没有彻底的释放掉资源。解决这个问题可以使用multiprocessing.Pool或者joblib.Parallel来代替multiprocessing.Process，示例代码如下：

import time
from multiprocessing import Pool

def worker(num):
    print("Worker %d is running" % num)
    time.sleep(num)
    print("Worker %d exit." % num)

if __name__ == '__main__':
    p = Pool(5)
    for i in range(5):
        p.apply_async(worker, args=(i,))
    p.close()
    p.join()

上面的代码中，使用了multiprocessing.Pool来代替multiprocessing.Process。在main()函数中，首先初始化一个Pool对象p，然后通过p.apply_async来添加一个worker函数到进程池中，同时给这个函数传递一个参数。使用p.close()来阻止添加新的任务，使用p.join()来等待所有的进程执行完毕并回收资源。

这样就可以避免进程僵尸的问题，释放掉所有的资源。