代码解释
if __name__ == '__main__':: 这行代码是关键。它确保只有在主进程中才会执行main()函数。当子进程导入主模块时，__name__的值不是'__main__'，因此main()函数不会被执行。
pool = mp.Pool(): 创建一个进程池。可以根据CPU核心数调整进程池的大小。
results = pool.map(double, [1, 2, 3]): 使用pool.map()将double函数应用于列表[1, 2, 3]的每个元素。pool.map()会阻塞主进程，直到所有任务完成并返回结果。
-
pool.close(): 关闭进程池，表示不再接受新的任务。必须在pool.join()之前调用。
立即学习“Python免费学习笔记（深入）”；
pool.join(): 等待所有进程完成任务。这可以防止主进程在子进程完成之前退出。
print(results): 打印结果列表。
使用pool.map_async
如果需要异步执行任务，可以使用pool.map_async。但是，需要注意pool.map_async返回的是一个MapResult对象，需要调用result.get()来获取结果。
import multiprocessing as mp
import time
def double(i):
time.sleep(1) # 模拟耗时操作
return i * 2
def main():
pool = mp.Pool()
result = pool.map_async(double, [1, 2, 3])
pool.close()
# 在这里可以做其他事情，而不用等待结果
pool.join()
results = result.get() # 获取结果，可能会阻塞
print(results)
if __name__ == '__main__':
main()注意事项
- pool.close()和pool.join(): 务必在pool.map()或pool.map_async()之后调用pool.close()和pool.join()。pool.close()防止向进程池提交更多任务，而pool.join()等待所有任务完成。如果忘记调用pool.join()，主进程可能会在子进程完成之前退出，导致结果不完整或程序崩溃。
- 全局变量和共享内存: 在多进程环境中，全局变量在每个进程中都是独立的副本。如果需要在进程之间共享数据，可以使用multiprocessing.Value、multiprocessing.Array或multiprocessing.Queue等机制。
- 异常处理: 在子进程中发生的异常不会直接传递给主进程。可以使用try...except块在子进程中捕获异常，并将异常信息传递给主进程。
- 避免死锁: 在使用锁或其他同步机制时，要小心避免死锁。
总结
通过将Pool相关的代码放在if __name__ == '__main__':块中，并正确使用pool.close()和pool.join()，可以避免Python多进程Pool卡死或MapResult对象不可迭代的问题。同时，理解多进程环境下的全局变量、共享内存和异常处理等概念，可以编写更健壮、更高效的并行程序。
