multiprocessing.Pool：何时使用 apply、apply_async 或 map？

我还没有看到明确的用例示例池.申请 https://docs.python.org/2/library/multiprocessing.html#multiprocessing.pool.multiprocessing.Pool.apply, Pool.apply_async https://docs.python.org/2/library/multiprocessing.html#multiprocessing.pool.multiprocessing.Pool.apply_async and Pool.map https://docs.python.org/2/library/multiprocessing.html#multiprocessing.pool.multiprocessing.Pool.map。我主要用的是Pool.map;别人的优点是什么？

回到 Python 的旧时代，要调用具有任意参数的函数，您可以使用apply:

apply(f,args,kwargs)

apply在Python2.7中仍然存在，但在Python3中不存在，并且通常不再使用。如今，

f(*args,**kwargs)

是优选的。这multiprocessing.Pool模块尝试提供类似的接口。

Pool.apply就像Python一样apply，只不过函数调用是在单独的进程中执行的。Pool.apply阻塞直到函数完成。

Pool.apply_async也像Python内置的apply，只不过调用立即返回而不是等待结果。一个AsyncResult对象被返回。你称其为get()方法来检索函数调用的结果。这get()方法会阻塞，直到函数完成。因此，pool.apply(func, args, kwargs)相当于pool.apply_async(func, args, kwargs).get().

相比之下Pool.apply, the Pool.apply_async方法还有一个回调，如果提供的话，会在函数完成时调用。这可以用来代替调用get().

例如：

import multiprocessing as mp
import time

def foo_pool(x):
    time.sleep(2)
    return x*x

result_list = []
def log_result(result):
    # This is called whenever foo_pool(i) returns a result.
    # result_list is modified only by the main process, not the pool workers.
    result_list.append(result)

def apply_async_with_callback():
    pool = mp.Pool()
    for i in range(10):
        pool.apply_async(foo_pool, args = (i, ), callback = log_result)
    pool.close()
    pool.join()
    print(result_list)

if __name__ == '__main__':
    apply_async_with_callback()

可能会产生如下结果

[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]

注意，与pool.map，结果的顺序可能与pool.apply_async打了电话。

因此，如果您需要在单独的进程中运行某个函数，但希望当前进程block直到该函数返回，使用Pool.apply. Like Pool.apply, Pool.map阻塞直到返回完整结果。

如果您希望工作进程池异步执行许多函数调用，请使用Pool.apply_async. The order结果的顺序不能保证与调用的顺序相同Pool.apply_async.

另请注意，您可以拨打多个电话不同的函数与Pool.apply_async（并非所有调用都需要使用相同的函数）。

相比之下，Pool.map将相同的函数应用于许多参数。 然而，与Pool.apply_async，结果按照与参数顺序相对应的顺序返回。