您是正确的，它们在您的示例中按顺序执行。
p.join()导致当前线程阻塞，直到完成执行。您可能想在for循环之外单独加入您的进程（例如，通过将它们存储在列表中，然后对其进行迭代），或使用类似
numpy.Pool和
apply_async的回调函数。这样一来，您也可以直接将其添加到结果中，而无需保留对象。
例如：
def f(i): return i*np.identity(4)if __name__ == '__main__': p=Pool(5) result = np.zeros((4,4)) def adder(value): global result result += value for i in range(30): p.apply_async(f, args=(i,), callback=adder) p.close() p.join() print result
最后关闭并再加入池可确保池的进程已完成，并且
result对象的计算已完成。您也可以调查将其
Pool.imap用作解决问题的方法。该特定解决方案如下所示：
if __name__ == '__main__': p=Pool(5) result = np.zeros((4,4)) im = p.imap_unordered(f, range(30), chunksize=5) for x in im: result += x print result
这对于您的特定情况比较干净，但对于最终尝试执行的操作可能不是这样。
至于存储所有变化的结果，如果我理解您的问题，您可以将其添加到回调方法（如上）中或使用
imap/
imap_unordered（同时存储结果，但每次一次）添加到结果中您会在构建时清除它）。这样一来，存储时间就不会超过添加到结果中所需的时间。
