我将在下面进行总结-最终仅是几行代码：
from multiprocessing.dummy import Pool as ThreadPoolpool = ThreadPool(4)results = pool.map(my_function, my_array)
这是以下内容的多线程版本：
results = []for item in my_array: results.append(my_function(item))
描述
Map是一个很棒的小功能，是轻松将并行性注入Python代码的关键。对于那些不熟悉的人来说，地图是从Lisp等功能语言中提炼出来的。它是将另一个功能映射到序列上的功能。
Map为我们处理序列上的迭代，应用函数，并将所有结果存储在最后的方便列表中。
在此处输入图片说明
实作
map函数的并行版本由以下两个库提供：
multiprocessing，以及鲜为人知但同样出色的继子
child：multiprocessing.dummy。
multiprocessing.dummy与多处理模块完全相同，但是使用线程代替（一个重要的区别 -使用多个进程来处理CPU密集型任务；用于
I / O的线程）。
multiprocessing.dummy复制了多处理的API，但仅不过是线程模块的包装器。
import urllib2from multiprocessing.dummy import Pool as ThreadPoolurls = [ 'http://www.python.org', 'http://www.python.org/about/', 'http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html', 'http://www.python.org/doc/', 'http://www.python.org/download/', 'http://www.python.org/getit/', 'http://www.python.org/community/', 'https://wiki.python.org/moin/',]# Make the Pool of workerspool = ThreadPool(4)# Open the URLs in their own threads# and return the resultsresults = pool.map(urllib2.urlopen, urls)# Close the pool and wait for the work to finishpool.close()pool.join()
以及计时结果：
Single thread: 14.4 seconds 4 Pool: 3.1 seconds 8 Pool: 1.4 seconds 13 Pool: 1.3 seconds
传递多个参数（仅在Python 3.3和更高版本中才这样）：
要传递多个数组：
results = pool.starmap(function, zip(list_a, list_b))
或传递一个常数和一个数组：
results = pool.starmap(function, zip(itertools.repeat(constant), list_a))
