Python中multiprocessing.Pool的apply_async未执行目标函数且无报错

AI 小北

2026-7-30

问题原因及解决方法

核心问题

apply_async是异步非阻塞方法，提交任务后主进程会继续执行。虽然with multiprocessing.Pool会在退出上下文时自动调用pool.close()和pool.join()等待所有任务完成，但存在两个常见导致函数无输出/看似未执行的原因：

子进程的print输出因缓冲未被及时刷新到控制台
部分环境下，异步任务的执行需要显式触发主进程等待

解决方法

方法1：调用`AsyncResult.get()`等待任务完成

apply_async返回的AsyncResult对象的get()方法会阻塞主进程，直到目标函数执行完成，同时能捕获函数执行中的异常：

import multiprocessing


def foo(x):
    print(x)


if __name__ == '__main__':
    multiprocessing.freeze_support()

    with multiprocessing.Pool(10) as pool:
        res = pool.apply_async(foo, args=("Hello",))
        res.get()  # 阻塞等待任务执行完成

方法2：强制刷新输出缓冲

在目标函数的print中添加flush=True，确保子进程的输出能立即显示：

import multiprocessing


def foo(x):
    print(x, flush=True)  # 强制刷新输出缓冲


if __name__ == '__main__':
    multiprocessing.freeze_support()

    with multiprocessing.Pool(10) as pool:
        res = pool.apply_async(foo, args=("Hello",))

方法3：手动控制进程池生命周期

显式调用pool.close()和pool.join()，确保主进程等待所有子进程任务完成：

import multiprocessing


def foo(x):
    print(x, flush=True)


if __name__ == '__main__':
    multiprocessing.freeze_support()

    pool = multiprocessing.Pool(10)
    res = pool.apply_async(foo, args=("Hello",))
    pool.close()
    pool.join()  # 等待所有子进程执行完毕