一个python 3.3+库，它将多处理模块与asyncio集成在一起。
aioprocessing的Python项目详细描述
人工智能处理[构建状态]（https://travis-ci.org/dano/aioprocessing.svg？branch=master）"（https://travis ci.org/dano/aioprocessing）
`aioprocessing`提供异步，[`asyncio`]（https://docs.python.org/3/library/asyncio.html）兼容，coroutine
[`multiprocessing`]中对象上的许多阻塞实例方法的版本（https://docs.python.org/3/library/multiprocessing.html）
库。下面是一个示例，演示
"event"、"queue"和"lock"的"aioprocessing"版本：
``python
导入时间
导入异步
导入aioprocessing
导入多处理
def func（queue、event、lock，项目）：
"demo worker函数。
精确地
使用原始多处理对象的方式。
"
带锁：
event.set（）
对于项中的项：
time.sleep（3）
queue.put（item+5）
queue.close（）
@asyncio.coroutine
def example（queue，event，lock）：
l=[1,2,3,4,5]
p=aioprocessing.aioprocess（target=func，args=（queue，event，lock，l））
p.start（）
为true时：
result=yield from queue.coro_get（）
无：
break
print（"got result{}.format（result））
p.coro_join（）
@asyncio.coroutine
def example2（queue，event，锁）：
从event.coro_wait（）中产生收益
（从锁中产生收益）：
从queue.coro_put中产生收益（78）
从queue.coro_put（none）中产生收益
queue=aioprocessing.aioqueue（）
lock=aioprocessing.aiolock（）
event=aioprocessing.aioevent（）
tasks=[
异步。确保未来（例如（队列、事件、锁）），
异步。确保未来（例如2（队列、事件、锁）），
loop.run_until_complete（asyncio.wait（tasks））
loop.close（）
````
``python
async def example2（queue，event，lock）：
await event.coro_wait（）
async with lock:
await queue.coro_put（78）
await queue.coro_put（none）关闭worker
``
aioprocessing对象可以像它们的多处理等价物一样使用，就像它们在上面的"func"中一样，但是它们也可以在"asyncio"协程中无缝地使用，而不会阻塞事件循环。
----
在大多数情况下，此库通过在一个[`threadpoolexecutor`]中执行调用（https://docs.python.org/3/library/concurrent.futures.html threadpoolexecutor），对"多处理"方法进行阻塞调用。使用
[`asyncio.run戋in戋executor（）`]（https://docs.python.org/3/library/asyncio eventloop.html戋asyncio.baseeventloop.run戋in戋executor）。
它不会*使用异步I/O重新实现多处理。这意味着
使用"aioprocessing"对象而不是
"multiprocessing"对象时会增加额外的开销，因为每个线程通常都会引入一个
`threadpoolexecutor'，其中至少包含一个[`threading.thread`]（https://docs.python.org/2/library/threading.html thread objects）。这也意味着
当您将线程与fork混合时，您所面临的所有正常风险也适用于这里
（有关更多信息，请参见http://bugs.python.org/issue6721）。
`，它使用各种
[`pool.*u async`]方法（https://docs.python.org/3/library/multiprocessing.html multiprocessing.pool.pool.apply嫒async）中的
现有的"callback"和"error嫒callback"关键字参数将它们作为"asyncio"协程运行。请注意，
"multiprocessing.pool"实际上在内部使用线程，因此thread/fork
混合警告仍然适用。
每个"multiprocessing"类都替换为等效的"aioprocessing"类，
以"aio"前缀区分。因此，"pool"变为"aiopool"等。所有可以阻塞I/O的方法也都有一个可以与"asyncio"一起使用的协程版本。例如，"multiprocessing.lock.acquire（）"可以替换为"aioproprocessing.aiolock.coro_acquire（）"。可以使用"loop"关键字参数将"asyncio"eventloop对象传递给任何"coro"方法。例如，"lock.coro_acquire（loop=my_loop）"。
使用"异步"的多线程程序
。
支持多处理的哪些部分？
——可以在以下对象中阻塞I/O的所有方法在"aioprocessing"中都有相同的版本，通过添加所有阻塞方法的协程版本来扩展"多处理"版本。
-`pool`
-`process`
-`pipe`
-`lock`
-`rlock`
-`信号量`
-`boundedsemaphore`
-`event`
-`condition`
-`barrier`
-`connection.connection`
-`connection.listener`
-`connection.client`
-`queue`
-`joinablequeue`
-`simplequeue`
-`all`managers.syncmanager``proxy`上述项目的版本（`syncmanager.queue`，`syncmanager.lock（）`，等等）。
`aioprocessing`将在python 3.4+上开箱即用。
`aioprocessing`提供异步，[`asyncio`]（https://docs.python.org/3/library/asyncio.html）兼容，coroutine
[`multiprocessing`]中对象上的许多阻塞实例方法的版本（https://docs.python.org/3/library/multiprocessing.html）
库。下面是一个示例，演示
"event"、"queue"和"lock"的"aioprocessing"版本：
``python
导入时间
导入异步
导入aioprocessing
导入多处理
def func（queue、event、lock，项目）：
"demo worker函数。
精确地
使用原始多处理对象的方式。
"
带锁：
event.set（）
对于项中的项：
time.sleep（3）
queue.put（item+5）
queue.close（）
@asyncio.coroutine
def example（queue，event，lock）：
l=[1,2,3,4,5]
p=aioprocessing.aioprocess（target=func，args=（queue，event，lock，l））
p.start（）
为true时：
result=yield from queue.coro_get（）
无：
break
print（"got result{}.format（result））
p.coro_join（）
@asyncio.coroutine
def example2（queue，event，锁）：
从event.coro_wait（）中产生收益
（从锁中产生收益）：
从queue.coro_put中产生收益（78）
从queue.coro_put（none）中产生收益
queue=aioprocessing.aioqueue（）
lock=aioprocessing.aiolock（）
event=aioprocessing.aioevent（）
tasks=[
异步。确保未来（例如（队列、事件、锁）），
异步。确保未来（例如2（队列、事件、锁）），
loop.run_until_complete（asyncio.wait（tasks））
loop.close（）
````
``python
async def example2（queue，event，lock）：
await event.coro_wait（）
async with lock:
await queue.coro_put（78）
await queue.coro_put（none）关闭worker
``
aioprocessing对象可以像它们的多处理等价物一样使用，就像它们在上面的"func"中一样，但是它们也可以在"asyncio"协程中无缝地使用，而不会阻塞事件循环。
----
在大多数情况下，此库通过在一个[`threadpoolexecutor`]中执行调用（https://docs.python.org/3/library/concurrent.futures.html threadpoolexecutor），对"多处理"方法进行阻塞调用。使用
[`asyncio.run戋in戋executor（）`]（https://docs.python.org/3/library/asyncio eventloop.html戋asyncio.baseeventloop.run戋in戋executor）。
它不会*使用异步I/O重新实现多处理。这意味着
使用"aioprocessing"对象而不是
"multiprocessing"对象时会增加额外的开销，因为每个线程通常都会引入一个
`threadpoolexecutor'，其中至少包含一个[`threading.thread`]（https://docs.python.org/2/library/threading.html thread objects）。这也意味着
当您将线程与fork混合时，您所面临的所有正常风险也适用于这里
（有关更多信息，请参见http://bugs.python.org/issue6721）。
`，它使用各种
[`pool.*u async`]方法（https://docs.python.org/3/library/multiprocessing.html multiprocessing.pool.pool.apply嫒async）中的
现有的"callback"和"error嫒callback"关键字参数将它们作为"asyncio"协程运行。请注意，
"multiprocessing.pool"实际上在内部使用线程，因此thread/fork
混合警告仍然适用。
每个"multiprocessing"类都替换为等效的"aioprocessing"类，
以"aio"前缀区分。因此，"pool"变为"aiopool"等。所有可以阻塞I/O的方法也都有一个可以与"asyncio"一起使用的协程版本。例如，"multiprocessing.lock.acquire（）"可以替换为"aioproprocessing.aiolock.coro_acquire（）"。可以使用"loop"关键字参数将"asyncio"eventloop对象传递给任何"coro"方法。例如，"lock.coro_acquire（loop=my_loop）"。
使用"异步"的多线程程序
。
支持多处理的哪些部分？
——可以在以下对象中阻塞I/O的所有方法在"aioprocessing"中都有相同的版本，通过添加所有阻塞方法的协程版本来扩展"多处理"版本。
-`pool`
-`process`
-`pipe`
-`lock`
-`rlock`
-`信号量`
-`boundedsemaphore`
-`event`
-`condition`
-`barrier`
-`connection.connection`
-`connection.listener`
-`connection.client`
-`queue`
-`joinablequeue`
-`simplequeue`
-`all`managers.syncmanager``proxy`上述项目的版本（`syncmanager.queue`，`syncmanager.lock（）`，等等）。
`aioprocessing`将在python 3.4+上开箱即用。
欢迎加入QQ群-->： 979659372
