python多处理星图vs apply_async，哪个更快？

假设我有两种方法来完成相同的任务：

from multiprocessing import Pool
pool = Pool(4)

def func(*args):
    # do some slow operations
    return something

dates = ['2011-01-01', ' 2011-01-02', ... , '2017-01-01']
other_args = [1, 2, 3, 'c', 'test', 'pdf')]
# approach 1:
res = [pool.apply_async(func, [day] + other_args) for day in dates]
list_of_results = [x.get() for x in res]

# approach 2: create an iterable of iterables
args = [[day] + other_args for day in dates]
list_of_results = pool.starmap(func, args)

---

我意识到apply_async会立即返回，但是，如果func还没有完成运行，x.get（）可能仍然会阻塞主线程……这两个方法之间必然会有性能差异吗

在引擎盖下，

星图

与第一次接近时所做的差不多。这只是一个方便的包装。提供的

map

函数系列符合许多开发人员习惯的函数编程范式

它们提供了一些很好的功能，比如将iterables分块以最小化IPC。性能优势可能来自此优化，但它取决于每个元素的计算成本

---

我建议坚持更具可读性的方法，并且只有当性能是真正的问题时，才对结果进行基准测试和评估

使用异步方法的关键是避免等待结果，因为它们将在以后使用。