Python multiprocessing: map vs map_async

Question

Jaka jest różnica między używaniem mapy i map_async, Czy nie uruchamiają tej samej funkcji po dystrybucji elementów z listy do 4 procesów. Więc nie należy zakładać, że oba działają asynchronicznie i równolegle.

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) 

Answer 1

Dostępne są cztery opcje mapowania zadań do przetworzenia. Musisz wziąć pod uwagę multi-args, współbieżność, blokowanie i porządkowanie. map i map_asnyc różnią się tylko pod względem blokowania. map_async nie jest blokowanie gdzie jako map blokuje

Więc powiedzmy, że miał funkcję

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' 

przykład wyjście:

0 
1 
9 
4 
16 
25 
36 
49 
64 
81 
0 
HERE 
1 
4 
MORE 
16 
25 
36 
9 
49 
64 
81 
DONE 

pool.map(f, range(10)) będzie czekać na wszystkich 10 z tych funkcji rozmowy, aby zakończyć więc widzimy wszystkie wydruki z rzędu r = pool.map_async(f, range(10)) wykonamy je asynchronicznie i tylko zablokujemy, gdy zostanie wywołana r.wait(), więc widzimy HERE i MORE pomiędzy, ale DONE zawsze będą na końcu