1、总述

通过使用Map函数，对ArcPy中的GP工具进行少量的改造，从而达到并行化调用的目的。

2、Map函数

在使用ArcPy进行批处理的过程中，虽然简化了很多手动的操作，但是对于大量重复性的操作并没有一个效率上的考虑。因此在这一部分通过使用Python自带的map函数，在讲GP工具的函数稍加改造的基础之上采用并行的方式来提高处理效率。
简而言之，就是将原本的循环操作，改成map函数可以使用的形式，从而采用并行的方式进行处理。前提是相应的GP工具是支持同时操作，并避免同时写入的操作等。
Map函数的详细介绍，参考http://blog.jobbole.com/58700/

3、GP工具改造示例

如下所示为GP工具函数改造的过程，改造起来也比较简单，将原本GP工具中的函数的参数作为一个列表传入，对于一些默认的参数可以不传入，在改造过程中写死，从而减少不必要的参数。如下图所示，是对求交函数进行的改造，对于求交函数，一般情况下，必备的参数有两个需要相交的图层以及结果图层。如下图所示：

# -*- coding: utf-8 -*-
import arcpy
from arcpy import env
from multiprocessing import Pool
# obtains the intersect
def mapIntersect_analysis(d):
    print(d)
    a = d[0]
    b = d[1]
    c = d[2]
    if arcpy.Exists(c):
        arcpy.Delete_management(c)
    arcpy.Intersect_analysis ([a,b], c, "ALL", "", "")
    return "successful!"
if __name__=="__main__":
    # 改成自己的路径
    src = r"H:\tt"
    env.workspace = src
    workspaceList = arcpy.ListWorkspaces("","FileGDB")
    parameters = []
    for w in workspaceList:
        first = "{0}\\{1}".format(w, 'data01')
        second = "{0}\\{1}".format(w, 'data02')
        third = "{0}\\{1}".format(w, 'data03')
        d = [first,second,third]
        parameters.append(d)
    pool = Pool(4)
    results = pool.map(mapIntersect_analysis,parameters)
    # print the results
    print(results)
    pool.close()
    pool.join()