多处理:map vs map_async

Question

使用map和有map_async什么区别？将项目从列表分发到4个进程后,它们是否没有运行相同的功能？

那么假设两者都在运行异步和并行是错误的吗？

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.您必须考虑多参数,并发,阻塞和排序.map并且map_async仅在阻止方面有所不同.map_async是阻塞的map非阻塞

所以,假设你有一个功能

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件. r = pool.map_async(f, range(10))将以异步方式执行它们,并且仅在r.wait()被调用时阻塞,因此我们看到HERE并MORE介于两者之间,但DONE总是在最后.