在Python的早期，要使用任意参数调用函数，可以使用
apply：
apply(f,args,kwargs)
apply在Python2.7中仍然存在，尽管在Python3中却不存在，并且通常不再使用。如今，
f(*args,**kwargs)
是首选。这些
multiprocessing.Pool模块尝试提供类似的接口。
Pool.apply就像Python一样apply，除了函数调用是在单独的进程中执行的。Pool.apply直到功能完成为止。
Pool.apply_async也类似于Python的内置函数
apply，区别在于调用立即返回而不是等待结果。
AsyncResult返回一个对象。你调用其
get()方法以检索函数调用的结果。该get()方法将阻塞直到功能完成。因此，
pool.apply(func, args, kwargs)等效于
pool.apply_async(func, args, kwargs).get()。
与相比
Pool.apply，该
Pool.apply_async方法还具有一个回调（如果提供），则在函数完成时调用该回调。可以使用它来代替
get()。
例如：
import multiprocessing as mpimport timedef foo_pool(x): time.sleep(2) return x*xresult_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()
可能会产生如下结果
[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]
请注意，与不同
pool.map，结果的顺序可能与
pool.apply_async调用的顺序不同。
因此，如果你需要在一个单独的进程中运行一个函数，但是希望当前进程在该函数返回之前一直阻塞，请使用
Pool.apply。像一样
Pool.apply，
Pool.map阻塞直到返回完整的结果。
如果你希望工作进程池异步执行许多功能调用，请使用
Pool.apply_async。结果的顺序不能保证与调用的顺序相同
Pool.apply_async。
还要注意，你可以使用调用许多不同的函数
Pool.apply_async（并非所有调用都需要使用同一函数）。
相反，
Pool.map将相同的函数应用于许多参数。但是，与不同
Pool.apply_async，返回结果的顺序与参数的顺序相对应。
