进程池的同步，如下程序：
from multiprocessing import Pool import time import os def func(n): print('start 进程 %s'%n, os.getpid()) time.sleep(1) print('end 进程 %s'%n, os.getpid()) if __name__ == "__main__": pool = Pool() # 如果进程池不加数字，默认值为往前CPU的数量一样 for i in range(10): pool.apply(func, args=(i,))
查看结果：
start 进程 0 21896 end 进程 0 21896 start 进程 1 27040 end 进程 1 27040 start 进程 2 23408 end 进程 2 23408 start 进程 3 29704 end 进程 3 29704 start 进程 4 31384 end 进程 4 31384 start 进程 5 2140 end 进程 5 2140 start 进程 6 25780 end 进程 6 25780 start 进程 7 29488 end 进程 7 29488 start 进程 8 21896 end 进程 8 21896 start 进程 9 27040 end 进程 9 27040
可以发现，变成了进程变成了同步得了，运行特别慢。
apply方法的作用就是将进程池的进程变成同步的。
将进程池变成异步的，使用apply_async就可以了，如下：
from multiprocessing import Pool import time import os def func(n): print('start 进程 %s'%n, os.getpid()) time.sleep(1) print('end 进程 %s'%n, os.getpid()) if __name__ == "__main__": pool = Pool() for i in range(10): pool.apply_async(func, args=(i,))
但是发现结果什么都没有，因为主进程没有等子进程的结束就执行完了。
如下优化，使用join就行了：
from multiprocessing import Pool import time import os def func(n): print('start 进程 %s'%n, os.getpid()) time.sleep(1) print('end 进程 %s'%n, os.getpid()) if __name__ == "__main__": pool = Pool() for i in range(10): pool.apply_async(func, args=(i,)) pool.close() # close()保证的是没有新的任务进入进程池 pool.join() # 这里的join检测的是子进程里面的任务结束，而不是子进程的结束，因为进程池里面的进程不会结束，永远活着，被用完之后会被还到进程池里面。
看结果：
start 进程 0 22364 start 进程 1 25820 start 进程 2 27688 start 进程 3 26840 start 进程 4 31100 start 进程 5 27032 start 进程 6 21452 start 进程 7 25592 end 进程 0 22364 start 进程 8 22364 end 进程 1 25820 start 进程 9 25820 end 进程 2 27688 end 进程 3 26840 end 进程 4 31100 end 进程 5 27032 end 进程 6 21452 end 进程 7 25592 end 进程 8 22364 end 进程 9 25820
值得注意的是，不加pool.close()，直接加pool.join()是会报错的，因为进程池里面的进程用完之后不会结束，而是被还到进程池了，因此这里的join检测的是没有任务再进入进程池了，而不是检测子进程的结束。所以要保证没有任务进入进程池，进程池就不会接收到任务，所以pool.close()的作用就是结束进程池接收任务，就是我的任务执行完毕，且没有新的任务进来，这是就被join检测到了。
另一种问题如下：
from multiprocessing import Pool import time def func(n): time.sleep(0.5) return n*n if __name__ == "__main__": pool = Pool(5) for i in range(10): ret = pool.apply(func, args=(i,)) print(ret)
打印结果：
0
1
4
9
16
25
36
49
64
81 # 每隔0.5秒打印一个结果
看下一段代码，使用apply_async：
from multiprocessing import Pool import time def func(n): time.sleep(0.5) return n*n if __name__ == "__main__": pool = Pool(5) for i in range(10): ret = pool.apply_async(func, args=(i,)) print(ret)
看打印结果：
<multiprocessing.pool.ApplyResult object at 0x0000023993E70AC8> <multiprocessing.pool.ApplyResult object at 0x0000023993E70B70> <multiprocessing.pool.ApplyResult object at 0x0000023993E70CF8> <multiprocessing.pool.ApplyResult object at 0x0000023993E70DA0> <multiprocessing.pool.ApplyResult object at 0x0000023993E70E80> <multiprocessing.pool.ApplyResult object at 0x0000023993E70F28> <multiprocessing.pool.ApplyResult object at 0x0000023993E70FD0> <multiprocessing.pool.ApplyResult object at 0x0000023993E810B8> <multiprocessing.pool.ApplyResult object at 0x0000023993E81160> <multiprocessing.pool.ApplyResult object at 0x0000023993E81208>
是一个个对象，并且是同时打印出来的。
优化如下，使用get()方法获取值：
from multiprocessing import Pool import time def func(n): time.sleep(0.5) return n*n if __name__ == "__main__": pool = Pool(5) for i in range(10): ret = pool.apply_async(func, args=(i,)) print(ret.get())
看打印结果：
0
1
4
9
16
25
36
49
64
81
值出来的，但是你会发现一个现象，值是每隔0.5秒一个一个出来的，不是异步吗？？？
这里要注意for循环将任务传入如进程池时，
for i in range(10): ret = pool.apply_async(func, args=(i,)) # for循环传入任务 print(ret.get())
执行到print(ret.get()),这里的get需要获取值,但是这是没有值，get就会让程序出现阻塞直到等到值，所以for循环的每一步都要等到值才会继续下一个for循环，就出现了不是异步的情况。
改进方法:
from multiprocessing import Pool import time def func(n): time.sleep(0.5) return n*n if __name__ == "__main__": pool = Pool(5) l_list = [] for i in range(10): ret = pool.apply_async(func, args=(i,)) l_list.append(ret) for m in l_list: print(m.get())
这时候你会发现五个五个的出现。
结束！