python - 多处理 : map vs map_async

Question

使用map和map_async有什么区别？将列表中的项目分配给 4 个进程后，它们是否运行相同的功能？

那么假设两者都异步且并行运行是错误的吗？

def f(x):
   return 2*x

p=Pool(4)
l=[1,2,3,4]
out1=p.map(f,l)
#vs
out2=p.map_async(f,l)

Answer 1

将作业映射到进程有四种选择。你必须考虑多参数、并发、阻塞和排序。 map 和 map_async 仅在阻塞方面有所不同。 map_async 是非阻塞的，而 map 是阻塞的

假设你有一个函数

from multiprocessing import Pool
import time

def f(x):
    print x*x

if __name__ == '__main__':
    pool = Pool(processes=4)
    pool.map(f, range(10))
    r = pool.map_async(f, range(10))
    # DO STUFF
    print 'HERE'
    print 'MORE'
    r.wait()
    print 'DONE'

示例输出:

0
1
9
4
16
25
36
49
64
81
0
HERE
1
4
MORE
16
25
36
9
49
64
81
DONE

pool.map(f, range(10)) 将等待所有 10 个函数调用完成，以便我们连续看到所有打印。r = pool.map_async(f, range(10)) 将异步执行它们，并且仅在调用 r.wait() 时阻塞，因此我们看到 HERE 和 MORE 位于两者之间，但 DONE 始终位于末尾。