进程池 Pool

学习资料:

• 相关代码

这次我们讲进程池Pool。 进程池就是我们将所要运行的东西，放到池子里，Python会自行解决多进程的问题

首先import multiprocessing和定义job()

进程池 Pool() 和 map()¶

然后我们定义一个Pool

有了池子之后，就可以让池子对应某一个函数，我们向池子里丢数据，池子就会返回函数返回的值。 Pool和之前的Process的不同点是丢向Pool的函数有返回值，而Process的没有返回值。

接下来用map()获取结果，在map()中需要放入函数和需要迭代运算的值，然后它会自动分配给CPU核，返回结果

让我们来运行一下

运行结果： python [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

自定义核数量¶

我们怎么知道Pool是否真的调用了多个核呢？我们可以把迭代次数增大些，然后打开CPU负载看下CPU运行情况

打开CPU负载(Mac)：活动监视器 > CPU > CPU负载(单击一下即可)

Pool默认大小是CPU的核数，我们也可以通过在Pool中传入processes参数即可自定义需要的核数量，

apply_async()¶

Pool除了map()外，还有可以返回结果的方式，那就是apply_async().

apply_async()中只能传递一个值，它只会放入一个核进行运算，但是传入值时要注意是可迭代的，所以在传入值后需要加逗号, 同时需要用get()方法获取返回值

运行结果；

用 apply_async() 输出多个结果¶

那么如何用apply_async()输出多个迭代呢？

我们在apply_async()中多传入几个值试试

结果会报错：

即apply_async()只能输入一组参数。

在此我们将apply_async() 放入迭代器中，定义一个新的multi_res

同样在取出值时需要一个一个取出来

合并代码

运行结果

可以看出在apply用迭代器的得到的结果和用map得到的结果是一样的

总结¶

1. Pool默认调用是CPU的核数，传入processes参数可自定义CPU核数
2. map() 放入迭代参数，返回多个结果

3. apply_async()只能放入一组参数，并返回一个结果，如果想得到map()的效果需要通过迭代

   ​