关于python 2.7:多处理:map vs map_async

multiprocessing: map vs map_async

使用mapmap_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)


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。mapmap_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

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HEREMORE之间,但DONE始终在末尾。