在Python的早期,要使用任意参数调用函数,可以使用apply
:
apply(f,args,kwargs)
apply在Python2.7中仍然存在,尽管在python3中却不存在,并且通常不再使用。如今,
f(*args,**kwargs)
是首选。这些multiprocessing.Pool
模块尝试提供类似的接口。
Pool.apply就像Python一样apply,除了函数调用是在单独的进程中执行的。Pool.apply直到功能完成为止。
Pool.apply_async
也类似于Python的内置函数apply
,区别在于调用立即返回而不是等待结果。AsyncResult
返回一个对象。你调用其get()
方法以检索函数调用的结果。该get()方法将阻塞直到功能完成。因此,pool.apply(func, args, kwargs)
等效于pool.apply_async(func, args, kwargs).get()
。
与相比Pool.apply
,该Pool.apply_async
方法还具有一个回调(如果提供),则在函数完成时调用该回调。可以使用它来代替get()
。
例如:
import multiprocessing as mp
import time
def foo_pool(x):
time.sleep(2)
return x*x
result_list = []
def log_result(result):
# This is called whenever foo_pool(i) returns a result.
# result_list is modified only by the main process, not the pool workers.
result_list.append(result)
def apply_async_with_callback():
pool = mp.Pool()
for i in range(10):
pool.apply_async(foo_pool, args = (i, ), callback = log_result)
pool.close()
pool.join()
print(result_list)
if __name__ == '__main__':
apply_async_with_callback()
可能会产生如下结果
[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]
请注意,与不同pool.map
,结果的顺序可能与pool.apply_async
调用的顺序不同。
因此,如果你需要在一个单独的进程中运行一个函数,但是希望当前进程在该函数返回之前一直阻塞,请使用Pool.apply
。像一样Pool.apply
,Pool.map
阻塞直到返回完整的结果。
如果你希望工作进程池异步执行许多功能调用,请使用Pool.apply_async
。结果的顺序不能保证与调用的顺序相同Pool.apply_async
。
还要注意,你可以使用调用许多不同的函数Pool.apply_async
(并非所有调用都需要使用同一函数)。
相反,Pool.map
将相同的函数应用于许多参数。但是,与不同Pool.apply_async
,返回结果的顺序与参数的顺序相对应。