Python 多处理:映射与映射异步
使用Python 多处理:映射与映射异步,python,python-multiprocessing,Python,Python Multiprocessing,使用map和map\u async有什么区别?将列表中的项目分配到4个进程后,它们是否运行相同的函数 那么,假设两者都是异步运行和并行运行是错误的吗 def f(x): return 2*x p=Pool(4) l=[1,2,3,4] out1=p.map(f,l) #vs out2=p.map_async(f,l) 将作业映射到流程有四种选择。您必须考虑多个ARG、并发、阻塞和排序。code>map和map\u async仅在阻塞方面有所不同map\u async是非阻塞的,其中as
map
和map\u async
有什么区别?将列表中的项目分配到4个进程后,它们是否运行相同的函数
那么,假设两者都是异步运行和并行运行是错误的吗
def f(x):
return 2*x
p=Pool(4)
l=[1,2,3,4]
out1=p.map(f,l)
#vs
out2=p.map_async(f,l)
将作业映射到流程有四种选择。您必须考虑多个ARG、并发、阻塞和排序。code>map和
map\u async
仅在阻塞方面有所不同map\u async
是非阻塞的,其中asmap
是阻塞的
假设你有一个函数
from multiprocessing import Pool
import time
def f(x):
print x*x
if __name__ == '__main__':
pool = Pool(processes=4)
pool.map(f, range(10))
r = pool.map_async(f, range(10))
# DO STUFF
print 'HERE'
print 'MORE'
r.wait()
print 'DONE'
示例输出:
0
1.
9
4.
16
25
36
49
64
81
0
在这里
1.
4.
更多
16
25
36
9
49
64
81
完成
pool.map(f,range(10))
将等待所有10个函数调用完成,以便我们看到一行中的所有打印。
r=pool.map\u async(f,range(10))
将异步执行它们,并且只有在调用r.wait()
时才会执行阻塞,因此我们在这里看到和更多的,但是完成将始终在末尾。不map
仅在完成映射后返回(即同步但并行),虽然map\u async
会立即返回并允许在后台进行映射(即异步和并行)?好的,那么如果除了在列表上执行函数f外,我没有其他任务要做,那么map和map\u async是相同的。您会注意到map将按顺序执行,但是map\u async不应该在r.wait()
之后有一个print'DONE'
?如果上述示例在第一次运行时没有为map
和map\u async
返回不同的结果,请尝试设置范围(500)
或其他大的东西。@quikst3r:对我来说,它们都是以随机顺序执行的。我将func f()改为print(x),参数为:“pool.map(f,range(11,20));r=pool.map_async(f,range(10))”;运行代码后,它返回:“11213151617181419这里0更多213456789完成”