问题描述：

我还没有看到Pool.apply、Pool.apply_async和Pool.map用例的清晰示例。我主要使用Pool.map；其他的优点是什么？

解决方案 1：

在 Python 的早期，要调用带有任意参数的函数，你可以使用apply：

apply(f,args,kwargs)

applyPython2.7 中仍然存在，但在 Python3 中不存在，并且通常不再使用。如今，

f(*args,**kwargs)

是首选。multiprocessing.Pool模块尝试提供类似的接口。

Pool.apply与 Python 类似apply，只是函数调用是在单独的进程中执行的。Pool.apply阻塞直到函数完成。

Pool.apply_async也类似于 Python 的内置apply，不同之处在于调用会立即返回，而不是等待结果。AsyncResult返回一个对象。您可以调用其get()方法来检索函数调用的结果。该get()方法会阻塞，直到函数完成。因此，pool.apply(func, args, kwargs)相当于pool.apply_async(func, args, kwargs).get()。

与 相比Pool.apply，该Pool.apply_async方法还具有回调功能（如果提供），该回调功能将在函数完成时调用。这可以用来代替调用get()。

例如：

import multiprocessing as mp
import time

def foo_pool(x):
    time.sleep(2)
    return x*x

result_list = []
def log_result(result):
    # This is called whenever foo_pool(i) returns a result.
    # result_list is modified only by the main process, not the pool workers.
    result_list.append(result)

def apply_async_with_callback():
    pool = mp.Pool()
    for i in range(10):
        pool.apply_async(foo_pool, args = (i, ), callback = log_result)
    pool.close()
    pool.join()
    print(result_list)

if __name__ == '__main__':
    apply_async_with_callback()

可能会产生如下结果

[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]

请注意，与不同pool.map，结果的顺序可能与调用的顺序不一致pool.apply_async。

因此，如果您需要在单独的进程中运行一个函数，但希望当前进程阻塞直到该函数返回，请使用Pool.apply。与 一样Pool.apply，Pool.map阻塞直到返回完整的结果。

如果希望工作进程池异步执行许多函数调用，请使用Pool.apply_async。结果的顺序不保证与调用的顺序相同Pool.apply_async。

还要注意，您可以调用多个不同的函数Pool.apply_async（并非所有调用都需要使用相同的函数）。

相比之下，Pool.map将同一函数应用于多个参数。但是，与不同的是Pool.apply_async，结果将按照与参数顺序相对应的顺序返回。

解决方案 2：

以下是表格形式的概述，以显示Pool.apply、和之间的区别。选择其中一个时，您必须考虑多参数、并发、阻塞和排序：Pool.apply_async`Pool.map`Pool.map_async

                  | Multi-args   Concurrence    Blocking     Ordered-results
---------------------------------------------------------------------
Pool.map          | no           yes            yes          yes
Pool.map_async    | no           yes            no           yes
Pool.apply        | yes          no             yes          no
Pool.apply_async  | yes          yes            no           no
Pool.starmap      | yes          yes            yes          yes
Pool.starmap_async| yes          yes            no           no

笔记：

• Pool.imap和Pool.imap_async– map 和 map_async 的更懒惰版本。

• Pool.starmap方法，除了可以接受多个参数外，与 map 方法非常相似。

• Async方法一次性提交所有流程，并在完成后检索结果。使用 get 方法获取结果。

• Pool.map(或Pool.apply)方法与Python内置的map(或apply)非常相似。它们会阻塞主进程，直到所有进程完成并返回结果。

例子：

地图

一次性调用作业列表

results = pool.map(func, [1, 2, 3])

申请

只能被叫去执行一项任务

for x, y in [[1, 1], [2, 2]]:
    results.append(pool.apply(func, (x, y)))

def collect_result(result):
    results.append(result)

map_async

一次性调用作业列表

pool.map_async(func, jobs, callback=collect_result)

apply_async

只能为一个作业调用，并在后台并行执行一个作业

for x, y in [[1, 1], [2, 2]]:
    pool.apply_async(worker, (x, y), callback=collect_result)

星图

是pool.map支持多个参数的变体

pool.starmap(func, [(1, 1), (2, 1), (3, 1)])

starmap_async

starmap() 和 map_async() 的组合，对可迭代对象中的可迭代对象进行迭代，并使用解包后的可迭代对象调用 func。返回结果对象。

pool.starmap_async(calculate_worker, [(1, 1), (2, 1), (3, 1)], callback=collect_result)

参考：

完整文档请见：https: //docs.python.org/3/library/multiprocessing.html

解决方案 3：

关于applyvs map：

pool.apply(f, args)：f仅在池中的一个工作进程中执行。因此，池中的一个进程将运行f(args)。

pool.map(f, iterable)：此方法将可迭代对象切分为多个块，并将其作为单独的任务提交给进程池。这样您就可以利用池中的所有进程。