我将在下面进行总结-最终仅是几行代码：

from multiprocessing.dummy import Pool as ThreadPool
pool = ThreadPool(4)
results = pool.map(my_function, my_array)

这是以下内容的多线程版本：

results = []
for item in my_array:
    results.append(my_function(item))

描述

Map是一个很棒的小功能，是轻松将并行性注入Python代码的关键。对于那些不熟悉的人来说，地图是从Lisp等功能语言中提炼出来的。它是将另一个功能映射到序列上的功能。

Map为我们处理序列上的迭代，应用函数，并将所有结果存储在最后的方便列表中。

在此处输入图片说明

实作

map函数的并行版本由以下两个库提供：multiprocessing，以及鲜为人知但同样出色的继子child：multiprocessing.dummy。

multiprocessing.dummy与多处理模块完全相同，但是使用线程代替（一个重要的区别 -使用多个进程来处理CPU密集型任务；用于I / O的线程）。

multiprocessing.dummy复制了多处理的API，但仅不过是线程模块的包装器。

import urllib2
from multiprocessing.dummy import Pool as ThreadPool

urls = [
  'http://www.python.org',
  'http://www.python.org/about/',
  'http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html',
  'http://www.python.org/doc/',
  'http://www.python.org/download/',
  'http://www.python.org/getit/',
  'http://www.python.org/community/',
  'https://wiki.python.org/moin/',
]

# Make the Pool of workers
pool = ThreadPool(4)

# Open the URLs in their own threads
# and return the results
results = pool.map(urllib2.urlopen, urls)

# Close the pool and wait for the work to finish
pool.close()
pool.join()

以及计时结果：

Single thread:   14.4 seconds
       4 Pool:   3.1 seconds
       8 Pool:   1.4 seconds
      13 Pool:   1.3 seconds

传递多个参数（仅在Python 3.3和更高版本中才这样）：

要传递多个数组：

results = pool.starmap(function, zip(list_a, list_b))

或传递一个常数和一个数组：

results = pool.starmap(function, zip(itertools.repeat(constant), list_a))