ProcessPoolExecutor 提供简洁安全的多进程并行，核心为“提交任务→获取结果”，支持 submit+result、map 和 as_completed 三种模式，需注意 pickle 序列化、内存隔离、max_workers 设置及 Windows 下的 if name == '__main__': 保护。
Python 中用 ProcessPoolExecutor 实现多进程并行，比手动管理 multiprocessing.Process 更简洁、安全，也更接近线程池的使用习惯。核心是“提交任务→获取结果”，自动处理进程创建、通信和回收。
基本用法：submit + result
适用于少量独立任务，需要立即或稍后获取返回值：
- 用
with ProcessPoolExecutor(max_workers=4) as executor:管理生命周期，退出时自动关闭进程池 -
future = executor.submit(func, arg1, arg2)提交单个任务，立刻返回Future对象 -
result = future.result()阻塞等待执行完成并取回返回值（抛异常也会在这里触发）
例子：计算多个数的平方
def square(x): return x * xwith ProcessPoolExecutor(max_workers=2) as pool:
f1 = pool.submit(square, 3)
f2 = pool.submit(square, 5)
print(f1.result(), f2.result()) # 输出：9 25
批量提交：map 更简洁
当有一组输入数据、对应执行同一函数时，map 比循环调用 submit 更直观，且保持输入顺序：
立即学习“Python免费学习笔记（深入）”；
-
results = list(pool.map(square, [2, 4, 6, 8]))返回按原顺序排列的结果列表 - 注意：
map是懒执行，转成list或遍历时才真正调度和等待 - 若某次调用出错，异常会在遍历到对应位置时抛出，不是全部执行完才报
异步处理多个任务：as_completed
不关心执行顺序，谁先完成谁先处理，适合耗时差异大的场景：
- 用
futures = [pool.submit(func, x) for x in args]先批量提交 -
for future in as_completed(futures):迭代已结束的Future（非按提交顺序） - 每个
future.result()取值不会阻塞，因为as_completed已保证它已完成
这样可边完成边记录日志、写文件或提前终止后续任务。
注意事项和常见坑
- 目标函数和参数必须能被
pickle序列化（不能是 lambda、嵌套函数、类实例方法等） - 进程间不共享内存，全局变量修改不会同步；传参和返回值是拷贝，大对象会带来序列化开销
-
max_workers不宜设得远超 CPU 核心数（如 64 核机器设 100），反而因上下文切换降低性能 - Windows 下需将进程池代码放在
if __name__ == '__main__':块中，防止子进程重复导入启动
