Pythonマルチプロセッシングのstarmapとapply_asyncの比較は速いですか？

Question

私は、同じタスクを達成するために、これらの2つのアプローチがあるとしますが...私はfuncは実行が終了していない場合しかし、x.get（）はまだメインスレッドをブロックする可能性があります、すぐにapply_asyncリターンを実現

from multiprocessing import Pool 
pool = Pool(4) 

def func(*args): 
    # do some slow operations 
    return something 

dates = ['2011-01-01', ' 2011-01-02', ... , '2017-01-01'] 
other_args = [1, 2, 3, 'c', 'test', 'pdf')] 
# approach 1: 
res = [pool.apply_async(func, [day] + other_args) for day in dates] 
list_of_results = [x.get() for x in res] 

# approach 2: create an iterable of iterables 
args = [[day] + other_args for day in dates] 
list_of_results = pool.starmap(func, args) 

をこれらの2つの方法の間には必ず性能差がありますか？

Answer 1

フードの下では、starmapは最初のアプローチでやったこととほとんど同じです。それはちょうど便利なラッパーです。 mapファミリーのファンクションは、多くの開発者が慣れてきたファンクショナル・プログラミング・パラダイムに準拠するために提供されています。

IPCを最小限に抑えるために、iterablesの分割などの機能がいくつかあります。パフォーマンスのメリットはこの最適化から得られるかもしれませんが、単一要素あたりの計算コストによって異なります。

業績が実質である場合にのみ、より読みやすく、結果をベンチマークして評価することをお勧めします。