无输入参数的函数可使用哪些方法实现并行？求对应代码示例

你当前的写法存在几个错误：

1. starmap方法要求传入第二个参数为参数元组的可迭代对象，直接只传函数名会触发参数缺失报错
2. starmap是同步阻塞方法，调用后会直接等待所有进程执行完毕并返回结果列表，不需要也不能调用start()、join()，这两个API属于multiprocessing.Process实例，和进程池的map类方法无关

可使用的实现方法 #

方法1：用apply_async批量提交无参任务 #

适合不需要严格按提交顺序返回结果的场景，用法灵活：

import multiprocessing as mp

def calculate():
    # 你的业务逻辑
    return 42

if __name__ == '__main__':
    # 定义要并行执行的calculate任务数量
    task_count = 10
    # 创建进程池，默认大小等于CPU核心数
    pool = mp.Pool()
    # 批量提交无参任务
    async_results = [pool.apply_async(calculate) for _ in range(task_count)]
    # 等待所有任务执行完成并获取结果
    final_results = [res.get() for res in async_results]
    # 关闭进程池释放资源
    pool.close()
    pool.join()
    print(final_results)

方法2：用starmap/map适配无参函数 #

适合需要按提交顺序返回结果的场景，只需要构造空参数的可迭代序列即可适配：

import multiprocessing as mp

def calculate():
    return 42

if __name__ == '__main__':
    task_count = 10
    pool = mp.Pool()
    # 传入由空元组组成的可迭代对象，每个空元组对应一次无参调用
    final_results = pool.starmap(calculate, [() for _ in range(task_count)])
    pool.close()
    pool.join()
    print(final_results)

如果使用map方法，可以加一层占位参数的包装：

final_results = pool.map(lambda _: calculate(), range(task_count))

方法3：直接创建Process实例启动 #

适合任务数量少、不想使用进程池的场景：

import multiprocessing as mp

def calculate(result_queue):
    res = 42
    # 通过队列传递返回结果
    result_queue.put(res)

if __name__ == '__main__':
    task_count = 10
    res_queue = mp.Queue()
    # 批量创建进程
    processes = [mp.Process(target=calculate, args=(res_queue,)) for _ in range(task_count)]
    # 启动所有进程
    for p in processes:
        p.start()
    # 等待所有进程执行完毕
    for p in processes:
        p.join()
    # 读取所有返回结果
    final_results = [res_queue.get() for _ in range(task_count)]
    print(final_results)

注意：Windows平台下必须添加if __name__ == '__main__'守卫，否则多进程启动会触发递归报错。

内容的提问来源于stack exchange，提问作者user16708120