Python 进程池Pool中的apply方法与apply_async的区别

最新推荐文章于 2022-09-14 21:43:03 发布

bad kid's cute

最新推荐文章于 2022-09-14 21:43:03 发布

阅读量6.3k

点赞数 3

分类专栏：多进程文章标签：多进程 multiprocessing 阻塞与非阻塞 apply 与 apply_async

本文链接：https://blog.csdn.net/qq_36063562/article/details/92845747

版权

Python的multiprocessing模块提供了Pool进程池，包括multiprocessing.Pool和multiprocessing.dummy.Pool。Pool的apply方法是阻塞的，会等待当前进程执行完成再执行下一个，而apply_async是非阻塞的，允许进程并行执行。GIL锁使得multiprocessing.Pool在多进程执行时并非真正的并行，通常使用multiprocessing.dummy.Pool实现线程池来达到多任务并行的效果。

摘要由CSDN通过智能技术生成

Pool进程池

multiprocessing中有两个Pool类

1. multiprocessing.Pool (进程池)

2. multiprocessinf.dummy.Pool（伪进程池<线程池>）

因为Python在多进程执行中存在一个python解释器的历史遗留问题就是 GIL锁导致python解释器运行多进程任务时有且只有一个进程在执行而非是多个进程同步执行，可以说multiprocessing.Pool是假的多进程而multiprocessing.dummy.Pool是伪多进程的多线程所以一般使用多进程Pool使用multiprocessing.dummy.Pool模块的

apply(阻塞)

apply()方法：就是只有当当前进程执行完成，才执行下面的进程

from multiprocessing.dummy import Pool
import time
import os

def talk(msg):
    print('msg:',msg)
    time.sleep(3)
    print('end')

if __name__ == "__main__":
    print('开始执行程序：')
    start_time = time.time()
    pool = Poo