Python mulprocessing Pool的apply_async(并发)回调函数实例

原因:apply_async(并发)回调函数的用法

# coding=utf-8
import logging
import multiprocessing
import os
import time
from multiprocessing import Pool

logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s 【 %(process)d 】 %(processName)s %(message)s"
)


def func (i):
    logging.info(f'  第{i}个任务')
    return i  # func的返回值会作为callback的参数


def call_back (res):  # 回调函数
    logging.info(f'\t\t\tfunc函数的返回值--->{res}')


def main (ctx):
    with ctx.Pool(2) as pool:
        [pool.apply_async(func, args=(i,), callback=call_back)
         for i in range(1, 15)]
        pool.close()
        pool.join()


if __name__ == '__main__':
    # windows 启动方式
    multiprocessing.set_start_method('spawn')
    # 获取上下文
    ctx = multiprocessing.get_context('spawn')
    # 检查这是否是冻结的可执行文件中的伪分支进程。
    ctx.freeze_support()
    main(ctx)

输出:

2019-10-06 00:18:05,6633336 】 SpawnPoolWorker-11个任务
2019-10-06 00:18:05,6632884 】 SpawnPoolWorker-22个任务
2019-10-06 00:18:05,6633336 】 SpawnPoolWorker-13个任务
2019-10-06 00:18:05,6632884 】 SpawnPoolWorker-24个任务
2019-10-06 00:18:05,6634668 】 MainProcess 			func函数的返回值--->1
2019-10-06 00:18:05,6633336 】 SpawnPoolWorker-15个任务
2019-10-06 00:18:05,6632884 】 SpawnPoolWorker-26个任务
2019-10-06 00:18:05,6634668 】 MainProcess 			func函数的返回值--->2
2019-10-06 00:18:05,6633336 】 SpawnPoolWorker-17个任务
2019-10-06 00:18:05,6632884 】 SpawnPoolWorker-28个任务
2019-10-06 00:18:05,6634668 】 MainProcess 			func函数的返回值--->3
2019-10-06 00:18:05,6633336 】 SpawnPoolWorker-19个任务
2019-10-06 00:18:05,6632884 】 SpawnPoolWorker-210个任务
2019-10-06 00:18:05,6634668 】 MainProcess 			func函数的返回值--->4
2019-10-06 00:18:05,6643336 】 SpawnPoolWorker-111个任务
2019-10-06 00:18:05,6642884 】 SpawnPoolWorker-212个任务
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->5
2019-10-06 00:18:05,6643336 】 SpawnPoolWorker-113个任务
2019-10-06 00:18:05,6642884 】 SpawnPoolWorker-214个任务
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->6
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->7
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->8
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->9
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->10
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->11
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->12
2019-10-06 00:18:05,6644668 】 MainProcess 			func函数的返回值--->13
2019-10-06 00:18:05,6654668 】 MainProcess 			func函数的返回值--->14

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
`pool.apply_async()` 是 Python `multiprocessing` 模块中的一个方法,用于向进程池中提交异步任务。 其语法如下: ```python apply_async(func[, args[, kwds[, callback[, error_callback]]]]) ``` 其中,`func` 是要执行的任务函数,`args` 是要传入任务函数的参数,`kwds` 是要传入任务函数的关键字参数。`callback` 是任务执行完成后要调用的回调函数,`error_callback` 是任务执行发生错误时要调用的回调函数。 `apply_async()` 方法会立即返回一个 `AsyncResult` 对象,这个对象可以用来获取任务执行的结果或者等待任务执行完成。可以使用 `get()` 方法来获取任务的结果,或者使用 `wait()` 方法等待任务执行完成。 下面是一个使用 `pool.apply_async()` 方法的示例代码: ```python import multiprocessing def worker(num): """子进程要执行的任务""" result = num * 2 return result if __name__ == '__main__': # 创建进程池 pool = multiprocessing.Pool() # 提交任务到进程池中 results = [] for i in range(5): result = pool.apply_async(worker, args=(i,)) results.append(result) # 关闭进程池 pool.close() # 等待所有进程完成任务 pool.join() # 输出结果 for result in results: print(result.get()) ``` 在这个示例中,首先创建了一个进程池 `pool`,然后使用 `apply_async()` 方法向进程池提交任务,每个任务都会调用 `worker()` 函数,计算结果并返回。在提交完所有任务后,关闭进程池并等待所有进程完成任务。最后,遍历任务结果并输出。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值