回到 Python 的旧时代，要调用带有任意参数的函数，您可以使用apply：

apply(f,args,kwargs)

apply在 Python2.7 中仍然存在，但在 Python3 中没有，一般不再使用。如今，

f(*args,**kwargs)

是首选。这些multiprocessing.Pool模块试图提供类似的接口。

Pool.apply与 Python 类似apply，只是函数调用是在单独的进程中执行的。Pool.apply阻塞直到函数完成。

Pool.apply_async也像 Python
的内置apply，只是调用立即返回而不是等待结果。返回一个AsyncResult对象。您调用它的get()方法来检索函数调用的结果。该get()方法阻塞，直到函数完成。因此，pool.apply(func, args, kwargs)等价于pool.apply_async(func, args, kwargs).get()。

与
相比Pool.apply，该Pool.apply_async方法还具有一个回调，如果提供，则在函数完成时调用该回调。这可以用来代替调用get().

例如：

import multiprocessing as mp
import time

def foo_pool(x):
    time.sleep(2)
    return x*x

result_list = []
def log_result(result):
    # This is called whenever foo_pool(i) returns a result.
    # result_list is modified only by the main process, not the pool workers.
    result_list.append(result)

def apply_async_with_callback():
    pool = mp.Pool()
    for i in range(10):
        pool.apply_async(foo_pool, args = (i, ), callback = log_result)
    pool.close()
    pool.join()
    print(result_list)

if __name__ == '__main__':
    apply_async_with_callback()

可能会产生一个结果，例如

[1, 0, 4, 9, 25, 16, 49, 36, 81, 64]

请注意，与 不同pool.map，结果的顺序可能与pool.apply_async调用的顺序不对应。

因此，如果您需要在单独的进程中运行一个函数，但希望当前进程 阻塞 直到该函数返回，请使用Pool.apply.
像Pool.apply,Pool.map阻塞，直到返回完整的结果。

如果您希望工作进程池异步执行许多函数调用，请使用Pool.apply_async. 结果的 顺序
不能保证与调用的顺序相同Pool.apply_async。

另请注意，您可以调用许多 不同 的函数Pool.apply_async（并非所有调用都需要使用相同的函数）。

相反，Pool.map将相同的函数应用于许多参数。但是，与 不同Pool.apply_async的是，结果以与参数顺序相对应的顺序返回。