在Windows 7上使用Python多处理apply_async方法时遇到无法得到结果的问题,可能是由以下原因造成的:
1. 版本兼容性:确保你的Python和multiprocessing库的版本是兼容的。不同的库版本可能会导致一些不兼容的问题。
2. 任务执行时间太短:如果任务的执行时间非常短,那么apply_async的返回结果可能在短时间内就完成了,这时可能没有足够的时间获取到结果。
3. 使用的是multiprocessing.Pool而不是Process:在Windows 7上,multiprocessing.Pool通常比multiprocessing.Process更快。你可以尝试使用multiprocessing.Pool来替换multiprocessing.Process。
4. 任务函数需要有返回值:apply_async的返回结果是任务函数的返回值的Future对象,你需要确保你的任务函数有返回值。
以下是一个示例代码,展示了如何使用multiprocessing.Pool的apply_async方法:
```python
from multiprocessing import Pool
def myTask(n):
print("Starting task with value:", n)
return n*n
if __name__ == "__main__":
with Pool(processes=4) as p:
results = []
for i in range(10):
future = p.apply_async(MyTask, args=(i,))
results.append(future)
# 等待所有任务完成
for future in results:
print("Result from task:", future.get())
```
在这个例子中,我们定义了一个名为MyTask的任务函数,它接受一个参数并返回其平方。然后,我们在主进程中创建了一个大小为4的进程池,并在每个进程中运行MyTask函数。最后,我们获取了所有任务的结果。
注意:apply_async的get方法会阻塞直到结果可用。如果需要在其他操作中同时进行,可以使用apply_async的wait方法来等待结果可用,然后调用get方法获取结果。