仅使用1个处理器的Python多处理 编辑：

谢谢你的回答。我理解这个问题。 我相信已经通过更改

imap\u无序

行修复了它，但现在我有一个不同的问题

将多处理.Pool（processs=proc）作为p的

：
对于p.imap_中的i无序（运行_任务，iterable，chunksize=chunksize）：
印刷品（一）

我故意不包括所有其他的指纹，以便更好地理解为什么这不起作用。 它输出：

File ".\test.py", line 23, in test_run
    for i in p.imap(run_task, iterable, chunksize=chunksize):
TypeError: 'int' object is not iterable

我用不同的函数尝试了同样的方法，而不是

run\u task

：

def f(x):
    return x*x

with multiprocessing.Pool(processes=proc) as p:
        for i in p.imap_unordered(f, iterable, chunksize=chunksize):
            print(i)

它输出正确！因此，有人会认为问题出在run_任务函数中。因此，我更改了run_任务函数：

def run_任务（iterable）：
返回类型（iterable）

正如预期的那样，产出是：

<class 'int'>
<class 'int'>
<class 'int'>
...

输出：

Original size: 5000
Total process # 1
Chunksize # 10
Process # 1: has list length 5000


Original size: 5000
Total process # 5
Chunksize # 10
Process # 1: has list length 5000


Original size: 5000
Total process # 10
Chunksize # 10
Process # 1: has list length 5000


Original size: 5000
Total process # 1
Chunksize # 100
Process # 1: has list length 5000


Original size: 5000
Total process # 5
Chunksize # 100
Process # 1: has list length 5000


Original size: 5000
Total process # 10
Chunksize # 100
Process # 1: has list length 5000

指的是

imap\u unordered

等同于

itertools

中的

imap

，而

imap

类似于

map

简单地说，它们都对iterable的每个元素应用一个函数

召唤

for process, r_value in \
        enumerate(p.imap_unordered(run_task, (iterable,),
                                   chunksize=chunksize)):
    # Add our process number and its return value into results so that we can compare performance here.
    results[process + 1] = r_value

将

run_task

应用于单个元素的列表。所以它只能做一个过程

---

枚举它-得到元组，其中第一个元素不是进程编号，而是原始列表中的元素编号。

之所以只使用一个进程，是因为将iterable包装为元组。因此，您最终要做的是在元组的每个元素上运行函数

run\u task

，而不是在iterable的每个元素上运行您可能想要的函数。由于元组仅包含1个元素，因此它将只生成1个进程。谢谢！我在上面编辑了这个问题，因为我现在得到了一个不同的问题。当我像文档一样继续并传递chunksize（问题编辑部分中的代码）时，它仍然将整数而不是块的子列表传递到函数中。@Kramen，因为每个输入项都是独立处理的。您所说的更类似于名为

reduce

的操作，而不是

map

。请参阅关于

chunksize

参数的答案