我正在使用ThreadPool中的multiprocessing.pool，但它似乎无效（即它是按顺序执行而不是并行执行：res1需要14秒，{{1}需要11s，使用res2需要27s而不是14s。
我认为问题出在ThreadPool，因为它使用（共享）another_method。
我已尝试在read_only_resource中使用time.sleep(val)而不是调用另一种方法（按预期工作 - 只需要通过的最大值），我也是试图传递another_method的深层副本（这不起作用，需要27秒）。
我已经没有什么可以尝试做到这一点：
read_only_resource答案 0 :(得分：0)
您似乎想要使用std::vector<int> vec = ...;
std::cout << range(vec);
而不是map。 apply_async函数不能并行化多个函数调用。相反，它是异步调用函数的单个实例。由于您调用它两次并按顺序获得结果，因此您将获得序列化性能。
调用apply_async将并行运行函数的多个实例。它需要将输入打包成单个对象，例如一个元组，因为它只允许将一个参数传递给您的函数。然后，所有打包输入都可以放在列表或其他可迭代中，并提供给map，例如：
map此外，您可以使用work_args =[(some_text, read_only_resource), (other_text, read_only_resource), ... ]
results = pool.map(method, work_args)
之类的内容来创建itertools.izip()，例如：
work_args请注意，由于您使用的是work_args = itertools.izip([some_text, other_text, ...], read_only_resource)
，因此您可能无法获得更多性能提升，具体取决于所完成的工作。许多地方已经讨论过这个主题，但由于Global Interpreter Lock，Python可能无法像你期望的那样与线程并行化。 See here获得了一个很好的总结。简而言之，如果您的功能是进行I / O操作，ThreadPool可以提供帮助。
但是，如果使用ThreadPool，则会同时执行多个进程。只需将multiprocessing.Pool替换为ThreadPool即可使用它。