Python进程池之pool.map()函数传入多参数

2024-03-21 09:31| 来源: 网络整理| 查看: 265

一定义与解释

对于python代码，多线程其实是个假的，因为每次计算的时候，实质上只有一个线程计算。使用多线程时，是几个线程之间切换计算，就像轮班工作一下，适合处理I/O密集型的任务。对于python代码，多进程才是真正意义上的多个进程在同一时间同时计算，就像几个人同时工作，适合处理计算（CPU）密集型的任务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

二代码实现 1 调用函数传入单个参数 import multiprocessing as mp def job(x): return x*x def multicore(): pool = mp.Pool() # 无参数时，使用所有cpu核 # pool = mp.Pool(processes=3) # 有参数时，使用CPU核数量为3 res = pool.map(job, range(10)) print(res) if __name__ == '__main__': multicore() 运行结果： [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 2 调用函数传入一对参数 import multiprocessing as mp import itertools def job(r, item): (x, y) = item return x * y def multicore(z): x_y = list(itertools.product(range(10), range(10))) pool = mp.Pool() # 无参数时，使用所有cpu核 # pool = mp.Pool(processes=3) # 有参数时，使用CPU核数量为3 res = pool.map(func, x_y) return res if __name__ == '__main__': res = multicore() print(res) 3 调用函数传入多个参数 import multiprocessing as mp import itertools from functools import partial def job(z, r, item): (x, y) = item return x * y + z + r def multicore(z): x_y = list(itertools.product(range(10), range(10))) r = 2 func = partial(job, z, r) pool = mp.Pool() # 无参数时，使用所有cpu核 # pool = mp.Pool(processes=3) # 有参数时，使用CPU核数量为3 res = pool.map(func, x_y) return res if __name__ == '__main__': res = multicore(1) print(res)

原文链接：https://blog.csdn.net/zsc201825/article/details/96484910

【本文地址】

公司简介

联系我们