multiprocessing.Pool：何时使用apply，apply_async或map？
我还没有看到使用Pool.apply ， Pool.apply_async和Pool.map的例子 。 我主要使用Pool.map ; 别人的优点是什么？
回到过去的Python，用任意参数调用一个函数，你可以使用apply ：
apply(f,args,kwargs)
apply在Python2.7中仍然存在，但不在Python3中，一般不再使用。 如今，
f(*args,**kwargs)
是优选的。 multiprocessing.Pool模块试图提供一个类似的接口。
Pool.apply就像Python一样，除了函数调用是在一个独立的进程中执行的。 Pool.apply阻塞，直到函数完成。
Pool.apply_async也像Python的内置apply ，除了调用立即返回，而不是等待结果。 一个ApplyResult对象被返回。 你调用它的get()方法来检索函数调用的结果。 get()方法阻塞，直到函数完成。 因此， pool.apply(func, args, kwargs)等同于pool.apply_async(func, args, kwargs).get() 。
与Pool.apply相反， Pool.apply_async方法也有一个callback函数，如果提供的话，当函数完成时调用。 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不同，结果的顺序可能不对应于pool.apply_async调用的顺序。
所以，如果你需要在一个单独的进程中运行一个函数，但是希望当前进程阻塞，直到函数返回，使用Pool.apply 。 像Pool.apply一样， Pool.map阻塞，直到返回完整的结果。
如果希望工作进程池asynchronous执行多个函数调用，请使用Pool.apply_async 。 结果的顺序不能保证与调用Pool.apply_async的顺序相同。
还要注意，你可以用Pool.apply_async调用一些不同的函数（不是所有的调用都需要使用相同的函数）。
相反， Pool.map将相同的函数应用于许多参数。 但是，与Pool.apply_async不同，结果将按照与参数顺序相对应的顺序返回。
关于apply vs map ：
pool.apply(f, args) ： f只在池中的一个工作者中执行。 所以池中的一个进程将运行f(args) 。
pool.map(f, iterable) ：这个方法将迭代器切成许多块，并把它作为独立的任务提交给进程池。 所以你利用了池中的所有进程。
