Python多进程apply_async异步调用详解与实战

陆遥

发布时间：2026-10-16| 7人浏览过

原创

本文详解Python中multiprocessing.Pool的apply_async方法，阐述其异步非阻塞特性及提升执行效率的原理。通过两个完整代码示例，演示单参数与多参数处理的正确写法，重点解析如何避免报错并获取迭代结果。同时强调close与join的正确调用顺序，确保子进程安全回收，适用于耗时较长且互不影响的批量任务场景。

Python多进程异步调用原理

前言：

当Python主线程需要多次执行同一耗时方法，且各次执行过程与结果相互独立时，若仅在主进程串行执行，整体效率将极低。为此，可借助multiprocessing.Pool(processes=n)配合apply_async()方法，通过指定并行进程数n来提升程序的并发执行能力与运行效率。

apply_async()采用异步非阻塞机制，无需等待当前进程执行完毕即可响应操作系统调度进行进程切换。这种多个进程并行执行的模式，能有效提高程序的整体执行效率。

基础异步任务执行示例

示例代码1：

import time
import random
import multiprocessing
 
def func(x):
    ts = random.randint(1, 10)
    time.sleep(ts)
    print(f'{x}执行完毕！耗时{ts}s')
 
if __name__ == '__main__':
    pool = multiprocessing.Pool(6)
    for i in range(6):
        print(f"开始执行第{i}个任务...")
        pool.apply_async(func, args=(i, ))
    pool.close()
    pool.join()

运行结果：

在使用apply_async()处理接收多个参数的函数时，需在任务函数中正常定义多个参数，并将参数以元组形式传入。然而，若直接对apply_async()传入多个值以获取多个迭代结果，会因该方法仅接收单个值而报错。解决此问题的方法是将调用放入列表生成式中。

多参数处理与结果获取技巧

示例代码2：

import multiprocessing
 
def func(x):
    return x ** 2
 
if __name__ == '__main__':
    pool = multiprocessing.Pool()
    res = [pool.apply_async(func, (i, )) for i in range(6)]
    print([x for x in res])
    print([x.get() for x in res])
    pool.close()
    pool.join()

运行结果：