python自2.6开始提供了多进程模块multiprocessing，进程池使用multiprocessing.pool，pool的构造如下：
multiprocessing.Pool([processes[, initializer[, initargs[, maxtasksperchild]]]])
processes表示pool中进程的数目，默认地为当前CPU的核数。
initializer表示新进程的初始化函数。
initargs表示新进程的初始化函数的参数。
maxtasksperchild表示每个进程执行task的最大数目（该参数解释见python 进程池1 - Pool使用简介）。
Pool相关函数
1、apply(func[, args[, kwds]])
apply用于传递不定参数，同python中的apply函数一致（不过内置的apply函数从2.3以后就不建议使用了），主进程会阻塞于函数。
主进程的执行流程同单进程一致。
2、apply_async(func[, args[, kwds[, callback]]])
与apply用法一致，但它是非阻塞的且支持结果返回后进行回调。
result.get()会阻塞主进程。
如果我们对返回结果不感兴趣， 那么可以在主进程中使用pool.close与pool.join来防止主进程退出。注意join方法一定要在close或terminate之后调用。
3、map(func, iterable[, chunksize])
map方法与在功能上等价与内置的map()，只不过单个任务会并行运行。它会使进程阻塞直到结果返回。
但需注意的是其第二个参数虽然描述的为iterable, 但在实际使用中发现只有在整个队列全部就绪后，程序才会运行子进程。
4、map_async(func, iterable[, chunksize[, callback]])
与map用法一致，但是它是非阻塞的。其有关事项见apply_async。
5、imap(func, iterable[, chunksize])
与map不同的是， imap的返回结果为iter，需要在主进程中主动使用next来驱动子进程的调用。即使子进程没有返回结果，主进程对于gen_list(l)的 iter还是会继续进行， 另外根据python2.6文档的描述，对于大数据量的iterable而言，将chunksize设置大一些比默认的1要好。
for x in pool.imap(pool_test, gen_list(l)):
pass
6、imap_unordered(func, iterable[, chunksize])
同imap一致，只不过其并不保证返回结果与迭代传入的顺序一致。
7、close()
关闭pool，使其不再接受新的任务。
8、terminate()
结束工作进程，不再处理未处理的任务。
9、join()
主进程阻塞等待子进程的退出， join方法要在close或terminate之后使用。
