python多处理中的并行化

我需要用Python对我现有的代码进行并行化，我在一个for循环中进行阻塞。 我用了

多处理。process

但是它冻结了计算机

import multiprocessing

def func(pos,r,h,grid):
    for i in arayb:

        l= L(r,g, p[i,:],h) #process need to be parallelized (L is function in another file)
        p = multiprocessing.Process(target=func)
        p.start()
        p.join()
        print('l',l)
if __name__ == '__main__':
    lock = Lock()

当我使用

时，如果

上面的类似于：

import multiprocessing
from source.RUN import* # imported main file 

def func(pos,r,h,grid):
    for i in arayb:

     l= L(r,g, p[i,:],h) #process need to be parallelized (L is function in another file)
if __name__ == '__main__':
    lock = Lock()

        p = multiprocessing.Process(target=func)
        p.start()
        p.join()
        print('l',l)

然后它将不会转到

多进程.Process

因此，请给我一个适当的方法来并行处理数组中i的

l=l（r，g，p[i，：]，h）

---

我有13到14个进程需要并行化，比如

l=l（r，g，p[I，：]，h）

，请给我一个指导，然后我可以使其他进程并行化。

您的第一个示例是冻结计算机，因为您在新进程中递归调用

func

。这将很快耗尽你所有的CPU/内存。您的第二个示例只是创建一个进程，该进程迭代

arayb

并调用

L

，而没有任何并发性，因此您不会得到任何性能提升

您要做的是跨多个进程并发执行

L

，但不会产生太多进程，使系统陷入困境。您可以使用：

import multiprocessing
# L must is imported or defined somewhere up here...

if __name__ == '__main__':
    p = multiprocessing.Pool()  # Creates a pool with as many workers as you have CPU cores
    results = []
    for i in arayb:
        results.append(pool.apply_async(L, (r, g, p[i,:], h)))
    p.close()
    p.join()
    for result in results:
        print('l', result.get())

---

谢谢你的ans，我必须将这个文件（multiprocessing.pool）导入到不同的文件中，这就是为什么我需要函数的原因。。那么，使用函数如何编写此代码呢？@dbr您可以将

if.\u name.\u==“.\u main.\u”

块中的所有内容移动到一个函数中，只要您确保只从同样受

if.\u name.\u==“.\u main.\u>保护的代码中调用该函数：

。如果不这样做，将导致Windows上的中断。感谢revert，但是如果我在这段代码中添加函数并运行它，那么它将不会进入if_uname_u==“main”：，因此我可以通过何种方式将函数添加到if_uname_uu==“main”：外部或内部…？？？@dbr抱歉，我不确定您想做什么。您是否试图将创建池的代码放入函数中，以便可以从其他sript导入它？是的。。我的代码中有一个大的for循环，我需要并行一些单独的进程，但是当我在For循环之间使用池或多处理时，它会中断循环，这就是为什么我决定在新文件中创建新函数，然后在那里提供池，然后在现有代码中导入该文件，并在For循环之间调用该函数。。所以我需要一个函数来调用另一个文件。那么请告诉我该怎么做？或者如果你能提供你的电子邮件。。