apply_async简介
python在同一个线程中多次执行同一方法时，该方法执行耗时较长且每次执行过程及结果互不影响，如果只在主进程中执行，效率会很低，因此使用multiprocessing.Pool(processes=n)及其apply_async()方法提高程序执行的并行度从而提高程序的执行效率,其中processes=n为程序并行执行的进程数。
apply_async使用简明代码
|
1
2
3
4
5
6
7
8
9
10
|
import multiprocessing
#method为多次调用的方法
def method(param):
pass
if __name__ == '__main__':
pool = multiprocessing.Pool(processes=5)
params= ['param1', 'param2', 'param3', 'param4', 'param5']
for param in params:
pool.apply_async(method, args=(param, ))
pool.close()
|
使用总结：
apply_async是异步非阻塞式，不用等待当前进程执行完毕，随时跟进操作系统调度来进行进程切换，即多个进程并行执行，提高程序的执行效率。
补充：记录python multiprocessing Pool的map和apply_async方法
遇到的问题
在学习python多进程时，进程上运行的方法接收多个参数和多个结果时遇到了问题，现在经过学习在这里总结一下
Pool.map()多参数任务
在给map方法传入带多个参数的方法不能达到预期的效果，像下面这样
|
1
2
3
4
5
6
|
def job(x ,y):
return x * y
if __name__ == "__main__":
pool = multiprocessing.Pool()
res = pool.map(job, 2, 3)
print res
|
所以只能通过对有多个参数的方法进行封装，在进程中运行封装后的方法如下
|
1
2
3
4
5
6
7
8
|
def job(x ,y):
return x * y
def job1(z):
return job(z[0], z[1])
if __name__ == "__main__":
pool = multiprocessing.Pool()
res = pool.map(job1, [(2, 3), (3, 4)])
print res
|
这样就能达到传递多个参数的效果
ps：如果需要得到多个结果可以传入多个元组在一个列表中
Pool.apply_async()输出多个迭代结果
在使用apply_async()方法接收多个参数的方法时，在任务方法中正常定义多个参数，参数以元组形式传入即可
但是给apply_async()方法传入多个值获取多个迭代结果时就会报错，因为该方法只能接收一个值，所以可以将该方法放入一个列表生成式中，如下
|
1
2
3
4
5
6
|
def job(x):
return x * x
if __name__ == "__main__":
pool multiprocessing.Pool()
res = [pool.apply_async(target=job, (i,)) for i in range(3)]
print [r.get() for r in res]
|
python 3中提供了starmap和startmap_async两个方法
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/weixin_42764612/article/details/89535848