Python中，multiprocessing库中Pool类代表进程池，其对象有imap()和imap_unordered()方法。
两者都用于对大量数据遍历多进程计算，返回一个迭代器(multiprocessing.pool.IMapIterator)。
imap返回结果顺序和输入相同，imap_unordered则为不保证顺序。
经过测试，发现Python多进程和imap()的一些特性:
1、iter = pool.imap(fn, data) 一旦生成，无论使不使用iter，多进程计算都会开始。
计算结果会缓存在内存中，所以要注意内存用尽的问题。
2、fn，即执行函数，不可以是局部对象（不能嵌套在其他函数里），否则会报错：
def fn_outer():
def fn(a,b):
return a+b
pool = Pool()
pool.imap(fn, [(1,2)])
pool.close()
AttributeError: Can't pickle local object 'fn_outer.<locals>.fn'
3、使用进程池map数据时，如果每次的运算量很小，最后的效率还不如单进程。这时多进程切换造成的开销已大于多进程计算提升的效率。
这时，可以将输入数据集分段，每次map，计算一段。具体分段多大时获得最佳效率，需要实际测试。
4、注意，Pool使用完毕后必须关闭，否则进程不会退出。
有两种写法，推荐第2种：
注意，第二种中，必须在with的块内使用iter。
pool = Pool()
iter = pool.imap(func, iter)
for ret in iter:
# do something
pool.close()
with Pool() as pool:
iter = pool.imap(func, iter)
for ret in iter:
# do something
