关于python 2.7：多处理：map vs map_async

multiprocessing: map vs map_async

使用map和map_async有什么区别？在将项目从列表分发到4个进程后，它们是否不运行相同的函数？

那么假设两者都运行异步和并行是错误的吗？

1
2
3
4
5
6
7
8

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)

相关讨论

将作业映射到流程有四种选择。您必须考虑多参数、并发性、阻塞和排序。map和map_asnyc只在阻塞方面有所不同。map_async是非阻塞的，因为map是阻塞的。

所以假设你有一个功能

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

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：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

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

号

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的打印。当调用r.wait()时，r = pool.map_async(f, range(10))将异步执行它们，并且只阻塞它们，因此我们看到HERE和MORE之间，但DONE始终在末尾。