什么是进程池和apply方法？

Python的multiprocessing模块提供了Pool类来实现进程池，它可以管理多个工作进程，并行执行任务。 apply()方法是进程池中用于同步执行任务的方法之一，它会阻塞直到任务完成并返回结果。

与apply_async()不同，apply()是同步方法，调用后程序会等待任务完成才继续执行， 这使得它更适用于需要顺序执行或简单并发的场景。

基本语法

result = pool.apply(func, args=(), kwds={})

• func: 要执行的函数
• args: 函数的位置参数（元组形式）
• kwds: 函数的关键字参数（字典形式）
• 返回值: 函数执行的结果

基础示例

下面是一个简单的示例，展示如何使用apply()执行平方计算：

from multiprocessing import Pool

def square(x):
    return x * x

if __name__ == '__main__':
    with Pool(processes=4) as pool:  # 创建4个工作进程的进程池
        # 使用apply同步执行任务
        result = pool.apply(square, args=(5,))
        print("5的平方:", result)  # 输出: 5的平方: 25

多个任务顺序执行

由于apply()是同步方法，我们可以使用循环顺序执行多个任务：

from multiprocessing import Pool
import time

def task(name, duration):
    print(f"任务 {name} 开始执行")
    time.sleep(duration)
    print(f"任务 {name} 完成")
    return f"任务 {name} 结果"

if __name__ == '__main__':
    with Pool(processes=2) as pool:
        tasks = [("A", 2), ("B", 1), ("C", 3), ("D", 1)]
        
        results = []
        for t in tasks:
            # 对每个任务使用apply，会阻塞直到任务完成
            result = pool.apply(task, args=t)
            results.append(result)
        
        print("\n所有任务完成结果:")
        for res in results:
            print(res)

在这个例子中，虽然进程池有2个工作进程，但由于apply()是同步调用，任务会按顺序执行。

适用场景

apply vs apply_async

注意事项和最佳实践

• 使用if __name__ == '__main__':保护主模块代码，避免在Windows上出现RuntimeError
• 进程池应在with语句中使用，确保正确关闭资源
• 避免在任务函数中修改全局状态，进程间内存不共享
• 传递的参数和返回值需要是可pickle的（可序列化）
• 对于长时间运行的任务，考虑使用apply_async避免阻塞主程序
• 使用apply时，进程池中的进程数不会影响任务执行顺序