我没有看到Pool.apply，Pool.apply_async和Pool.map的用例的明确示例。我主要使用Pool.map;别人有什么好处？
答案 0 :(得分：344)
回到Python的旧时代，要使用任意参数调用函数，您将使用apply：
apply(f,args,kwargs)
apply仍然存在于Python2.7中，但不存在于Python3中，并且通常不再使用。如今，
f(*args,**kwargs)
是首选。 multiprocessing.Pool模块尝试提供类似的界面。
Pool.apply与Python apply类似，不同之处在于函数调用是在单独的进程中执行的。 Pool.apply阻塞，直到功能完成。
Pool.apply_async也类似于Python的内置apply，除了调用立即返回而不是等待结果。返回AsyncResult个对象。您调用其get()方法来检索函数调用的结果。 get()方法阻塞，直到函数完成。因此，pool.apply(func, args, kwargs)相当于pool.apply_async(func, args, kwargs).get()。
与Pool.apply相比，Pool.apply_async方法还有一个回调，如果提供，则在函数完成时调用。这可以用来代替调用get()。
例如：
import multiprocessing as mp
import time
def foo_pool(x):
time.sleep(2)
return x*x
result_list = []
def log_result(result):
# This is called whenever foo_pool(i) returns a result.
# result_list is modified only by the main process, not the pool workers.
result_list.append(result)
def apply_async_with_callback():
pool = mp.Pool()
for i in range(10):
pool.apply_async(foo_pool, args = (i, ), callback = log_result)
pool.close()
pool.join()
print(result_list)
if __name__ == '__main__':
apply_async_with_callback()
可能会产生结果，例如
[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]
请注意，与pool.map不同，结果的顺序可能与pool.apply_async调用的顺序不对应。
因此，如果您需要在单独的流程中运行某个函数，但希望当前流程阻止直到该函数返回，请使用Pool.apply。与Pool.apply一样，Pool.map会阻止，直到返回完整的结果。
如果希望工作进程池池异步执行许多函数调用，请使用Pool.apply_async。结果的顺序不保证与Pool.apply_async的调用顺序相同。
另请注意，您可以使用Pool.apply_async调用多个不同的函数（并非所有调用都需要使用相同的函数）。
相反，Pool.map将相同的函数应用于许多参数。
但是，与Pool.apply_async不同，结果将按照与参数顺序相对应的顺序返回。
答案 1 :(得分：66)
关于apply vs map：
pool.apply(f, args)：f仅在池中的一个工作程序中执行。因此，池中的一个进程将运行f(args)。
pool.map(f, iterable)：此方法将iterable切换为多个块，并将其作为单独的任务提交给进程池。因此，您可以利用池中的所有进程。
答案 2 :(得分：54)
以下是表格格式的概述，目的是显示Pool.apply，Pool.apply_async，Pool.map和Pool.map_async之间的区别。选择一个时，必须考虑多个参数，并发性，阻塞和排序：
| Multi-args Concurrence Blocking Ordered-results
---------------------------------------------------------------------
Pool.map | no yes yes yes
Pool.map_async | no yes no yes
Pool.apply | yes no yes no
Pool.apply_async | yes yes no no
Pool.starmap | yes yes yes yes
Pool.starmap_async| yes yes no no
Pool.imap和Pool.imap_async – map和map_async的惰性版本。
Pool.starmap方法，除了接受多个参数外，它与map方法非常相似。
Async方法立即提交所有过程，并在完成后检索结果。使用get方法获取结果。
Pool.map（或Pool.apply）方法与Python内置map（或apply）非常相似。它们阻塞主流程，直到所有流程完成并返回结果。
一次调用一份工作列表
results = pool.map(func, [1, 2, 3])
只能被要求一份工作
for x, y in [[1, 1], [2, 2]]:
results.append(pool.apply(func, (x, y)))
def collect_result(result):
results.append(result)
一次调用一份工作列表
pool.map_async(func, jobs, callback=collect_result)
只能调用一项作业，并在后台并行执行作业
for x, y in [[1, 1], [2, 2]]:
pool.apply_async(worker, (x, y), callback=collect_result)
是pool.map的变体，它支持多个参数
pool.starmap(func, [(1, 1), (2, 1), (3, 1)])
starmap（）和map_async（）的组合，它在可迭代对象的可迭代对象上进行迭代，并在未迭代的情况下调用func。返回结果对象。
pool.starmap_async(calculate_worker, [(1, 1), (2, 1), (3, 1)], callback=collect_result)
在此处找到完整的文档：https://docs.python.org/3/library/multiprocessing.html