Python：多处理池中的产量

我必须并行化一个函数，它涉及到一定的“产量”。这只是我要处理的整个程序的简单复制品，但总结了我面临的问题。在这里，我试图了解多处理，应用异步和产量为我的项目 在本例中，我使用了multiprocessing.pool并使用apply\u async来并行化。我在“parallel”函数中放入了一些print语句，但它们没有被打印出来。 当我用return替换yield时，print语句得到了反映。我不确定收益的性质。我知道这是一台发电机，它返回后只能使用一次。请就如何使其工作提供建议

import multiprocessing as mp
results=[]

def parallel(x, y, z):
    print "aim in parallel"
    count=0
    result=[]
    for line in range(10000):
        count+=1
    result.append(count)
    p=x**3+y+z
    print " result"
    print result
    print p
    if p > 0:
       return result
#      yield result, p
#      count += 1
#      yield p, result
#      count += 1

def collect_results(result):
   print "aim in callback"
   results.append(result)
   #print results


def apply_async_with_callback():
    pool    = mp.Pool(processes=10)
    r = range(10)
    [pool.apply_async(parallel, args=(2,5, 7),callback=collect_results) for i in r ]
    pool.close()
    pool.join()
    print "length"
    print len(results)
    print results

if __name__ == "__main__":
    apply_async_with_callback()

---

当调用包含

yield

语句的函数时，它实际上并不运行代码，而是返回一个生成器：

>>> p = parallel(1, 2, 3)
>>> p
<generator object parallel at 0x7fde9c1daf00>

在您的例子中，

results

包含10个异步创建的生成器，但它们从未实际运行过

如果要使用生成器，可以稍微更改代码，使其以从生成器创建列表的函数为目标：

def parallel2(x, y, z):
    return list(parallel(x, y, z))

def collect_results(lst):
   results.extend(lst)

def apply_async_with_callback():
    pool = mp.Pool()
    for _ in range(10):
        pool.apply_async(parallel2, args=(2, 5, 7),
                         callback=collect_results)

---

我不明白这有什么帮助，因为我的问题很相似，我想并行化的函数实际上是生成器。我的理解正确吗？将它转换成一个列表只会使它运行每次迭代，这将花费与在for循环中使用生成器相同的时间长度？

def parallel2(x, y, z):
    return list(parallel(x, y, z))

def collect_results(lst):
   results.extend(lst)

def apply_async_with_callback():
    pool = mp.Pool()
    for _ in range(10):
        pool.apply_async(parallel2, args=(2, 5, 7),
                         callback=collect_results)