### Python 进程池等待所有进程执行完毕 在Python中，`multiprocessing.Pool` 是一种高效的方式来管理和分发任务到多个子进程中。为了确保主程序能够等待所有的子进程完成后再继续运行，可以使用 `map()` 或者 `apply_async()` 方法配合 `close()` 和 `join()` 函数[^3]。 #### 使用 `map()` 方法 当使用 `map()` 方法时，主程序会自动阻塞并等待所有任务完成再返回结果。这种方式适用于将一个可迭代对象中的数据分布到多个子进程中进行处理。 ```python from multiprocessing import Pool import time def task(x): time.sleep(1) # 模拟耗时操作 return x * x if __name__ == '__main__': with Pool(processes=4) as pool: # 创建一个包含4个进程的进程池 results = pool.map(task, range(10)) # 将range(10)的数据分布到各进程中计算 print(results) # 所有任务完成后打印结果 ``` 此代码片段中，`with`语句会在退出上下文管理器时自动调用 `pool.close()` 和 `pool.join()`，因此无需显式编写这两行代码[^4]。 #### 使用 `apply_async()` 方法 如果需要更灵活地控制每个任务的行为，则可以选择 `apply_async()` 方法。此时需手动调用 `close()` 和 `join()` 来保证主程序等待所有子进程结束。 ```python from multiprocessing import Pool import time def task(x): time.sleep(1) return x * x if __name__ == '__main__': pool = Pool(processes=4) results = [pool.apply_async(task, args=(i,)) for i in range(10)] pool.close() pool.join() outputs = [result.get() for result in results] print(outputs) ``` 在这里，`apply_async()` 返回的是一个AsyncResult对象，该对象允许我们在稍后的时间点检索任务的结果。通过遍历这些AsyncResult对象并调用 `.get()` 可以获得最终输出[^5]。 --- ### 总结 无论是选择同步还是异步的方式，只要正确地组合使用了 `Pool` 的相关方法（如 `map`, `apply_async`, `close`, `join`），都可以有效地实现等待所有子进程完成的目的。值得注意的一点是在 Windows 平台上运行此类多进程应用程序时，必须把创建进程池的部分放在 `if __name__ == "__main__":` 下面，这是由于 Windows 缺乏 POSIX fork 系统调用的缘故[^5]。 ---