Python中Pool.map与内置map的语义差异及无返回值函数调用问题

无返回值函数可正常执行 #

multiprocessing.Pool.map完全支持执行返回None的函数，且可以保证所有任务正常跑完。
和内置惰性求值的map不同，Pool.map是阻塞同步方法：调用后会立即将所有任务分发到子进程调度执行，直到所有任务全部执行完成后，才会返回包含所有返回值的列表。无论你是否后续处理返回的全None列表，所有传入参数对应的函数逻辑都已经完整执行，完全适配你写文件到固定目录的场景。

官方文档的等价表述是严谨的 #

文档提到的「与内置map功能等价」，指的是输入输出的逻辑一致性：即对于相同的可调用对象和参数序列，Pool.map(f, args)最终返回的列表，和list(map(f, args))的返回结果完全一致。
二者的执行时机差异属于实现层面的差异：内置map返回迭代器，默认惰性求值只有迭代时才执行；而多进程场景下为了实现并行调度，Pool.map默认会立即启动所有任务执行，这一差异不属于功能层面的冲突，因此文档表述不存在不准确的问题。

参考代码示例 #

import multiprocessing
import os

# 无返回值业务函数
def save_file(param: int) -> None:
    target_path = f"./result_{param}.txt"
    with open(target_path, "w", encoding="utf-8") as f:
        f.write(f"处理参数: {param}, 进程ID: {os.getpid()}")

if __name__ == "__main__":
    # 参数列表
    param_list = list(range(10))
    # 直接调用Pool.map即可，返回的None列表可直接丢弃
    with multiprocessing.Pool(processes=4) as pool:
        pool.map(save_file, param_list)
    # 代码运行到此处时，所有参数对应的文件都已写入完成

可选优化建议 #

• 如果参数规模极大，返回的全None列表会占用过多内存，可以改用Pool.imap方法，逐次迭代返回值并丢弃即可，内存占用更低。
• 如果不需要等待所有任务完成再执行后续逻辑，也可以改用Pool.apply_async逐个提交任务，最后调用Pool.join等待所有任务执行结束。

内容的提问来源于stack exchange，提问作者MathManM