多处理：map与map_async [英] multiprocessing: map vs map_async

问题描述

使用map和map_async有什么区别？在将列表中的项目分发到4个进程后，它们是否没有运行相同的函数？

因此，假设两者都是异步和并行运行是错误的吗？

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)

推荐答案

将作业映射到进程有四种选择。您必须考虑多参数、并发性、阻塞和排序。map和map_async只是在阻塞方面有所不同。map_async是非阻塞的，而ASmap是阻塞的

假设您有一个函数

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，这样我们就可以看到一行中的所有打印。 r = pool.map_async(f, range(10))将异步执行它们，并且仅在调用r.wait()时阻塞，因此我们看到HERE和MORE介于两者之间，但DONE将始终位于末尾。

这篇关于多处理：map与map_async的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！