我有一个对象列表clusters，我使用itertools.combinations和map()相互比较：
likelihoods = map(do_comparison, itertools.combinations(clusters, 2))
为了加快速度，我改为使用多个进程：
from multiprocessing import Pool
pool = Pool(6)
likelihoods = pool.map_async(do_comparison, itertools.combinations(clusters, 2)).get()
对于小型列表，这很有用。但是，对于clusters（139436650组合）中的16700个对象，pool.map_async()使用了大量内存，而且我的电脑很快耗尽内存，而map()没有内存问题。
我的电脑在启动多个进程之前内存不足，所以我的猜测是它仍然在不同的进程上划分数据块。所以我尝试使用chunksize=1，因此它只需要它的一小部分，但现在这确实有效。
还有其他方法让map_async()使用更少的内存吗？