python - Pathos.multiprocessing的池似乎是非本地的？

我的密码是

from pathos.multiprocessing import ProcessingPool
def myFunc(something):
    thispool = ProcessingPool(nodes=Result.cores)
    listOfResults = thispool.map(something)
    return listOfResults

for i in range(1000):
    myFunc(i)

现在，在我实际的代码中，内存使用量一直在增长。代码应该不会占用任何资源，但是如果我用12个内核运行它，这12个内核最初将占用几乎1mb的内存，但是在几个小时的运行时间内，每个内核将占用几个GB的内存。
所以，我认为池会泄漏内存，最好在每次迭代后关闭它：

def myFunc(something):
    thispool = ProcessingPool(nodes=Result.cores)
    listOfResults = thispool.map(something)
    thispool.close()
    thispool.join()
    return listOfResults

但是，现在，经过多次迭代，我得到

ValueError: Pool not running

在this pool.map()行。如果我创建一个新的

test = ProcessingPool(nodes=4)

尝试运行test.map()，我得到同样的错误。奇怪的是，我已经初始化了一个新变量。。。pathos.processing.ProcessingPool是否具有唯一进程池的功能，如果关闭一个进程池，则关闭所有进程池？
在没有内存泄漏的情况下，在循环中实现pathos.multiprocessing.ProcessingPool的正确方法是什么？
当我改为使用multiprocessing.Pool时，不会出现问题。

最佳答案

事实上，通过一些后端魔术，pathos可以防止初始化同一类型池的多个实例。
为了防止泄漏，可以在每次迭代结束时执行

thispool.terminate()
thispool.restart()