python3中multiprocessing Pool的map和apply_async使用异同

记录python multiprocessing Pool的map和apply_async方法

在利用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不一样
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

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

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

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]

注意，map和map_async一次调用一个作业列表，但是apply和apply_async只能调用一个作业。但是，apply_async是在后台并行执行作业的