multiprocessing.Pool常用方法包括apply、apply_async、map、map_async、starmap、starmap_async，用于并行执行任务，其中异步方法支持非阻塞执行，配合close和join可安全关闭进程池。
Python 中的 multiprocessing.Pool 是用于并行执行函数的常用工具，特别适合处理大量独立任务。它提供了多个方便的方法来管理进程池和任务分发。以下是 Pool 类中几个最常用的函数及其用途说明。
apply()
用于在池中的一个工作进程中执行指定函数，并等待结果返回。这个方法是同步阻塞的，即当前任务完成前不会执行下一行代码。
注意：通常不推荐在循环中频繁使用 apply()，因为它会逐个执行，无法发挥并发优势。apply_async()
异步版本的 apply()，提交任务后立即返回一个 AsyncResult 对象，不会阻塞主程序。可以通过调用 get() 方法获取实际结果。
- 支持非阻塞执行，适合并发场景
- 可添加回调函数（callback）或错误回调（error_callback）
map()
类似于内置的 map() 函数，对可迭代对象中的每个元素应用指定函数。它是同步的，会阻塞直到所有任务完成。
立即学习“Python免费学习笔记（深入）”；
限制：目标函数只能接受单个参数。如果需要传多个参数，可以借助 functools.partial 或包装函数。
map_async()
map 的异步版本，立即返回 AsyncResult 对象。常用于需要批量提交任务但不想阻塞主线程的情况。
- 支持回调机制
- 任务完成顺序不一定与输入顺序一致
starmap() 和 starmap_async()
这两个函数用于处理需要传入多个参数的场景。它们会将可迭代对象中的每一项“解包”后作为参数传给目标函数，功能类似 Python 的 * 操作符。
例如：starmap(func, [(1,2), (3,4)]) 等价于分别调用 func(1,2) 和 func(3,4)。close() 和 join()
在提交完所有任务后应调用这些方法来正确关闭进程池：
- close()：停止接收新任务
- join()：等待所有已提交任务完成
基本上就这些。掌握 apply_async、map、starmap 和对应的异步方法，再配合 close + join，就能应对大多数并行计算需求了。
