18

我有一个脚本，其中包括从列表中打开一个文件，然后对该文件中的文本执行某些操作。我正在使用 python 多处理和 Pool 来尝试并行化此操作。脚本的抽象如下：

import os
from multiprocessing import Pool

results = []
def testFunc(files):
    for file in files:
        print "Working in Process #%d" % (os.getpid())
        #This is just an illustration of some logic. This is not what I'm actually doing.
        for line in file:
            if 'dog' in line:
                results.append(line)

if __name__=="__main__":
    p = Pool(processes=2)
    files = ['/path/to/file1.txt', '/path/to/file2.txt']
    results = p.apply_async(testFunc, args = (files,))
    results2 = results.get()

当我运行它时，每次迭代的进程 ID 的打印输出都是相同的。基本上我要做的是获取输入列表的每个元素并将其分叉到一个单独的进程中，但似乎一个进程正在完成所有工作。

4

2 回答 2

31
  • apply_async将一项任务分配给池。您需要 apply_async多次调用才能使用更多处理器。
  • 不要让两个进程都尝试写入同一个列表， results. 由于池工作人员是独立的进程，因此两者不会写入同一个列表。解决此问题的一种方法是使用输出队列。您可以自己设置，也可以使用apply_async's 回调为您设置队列。apply_async函数完成后将调用回调。
  • 您可以使用map_async而不是apply_async，但随后您会得到一个列表列表，然后您必须将其展平。

所以，也许试试类似的东西：

import os
import multiprocessing as mp

results = []   

def testFunc(file):
    result = []
    print "Working in Process #%d" % (os.getpid())
    # This is just an illustration of some logic. This is not what I'm
    # actually doing.
    with open(file, 'r') as f:
        for line in f:
            if 'dog' in line:
                result.append(line)
    return result


def collect_results(result):
    results.extend(result)

if __name__ == "__main__":
    p = mp.Pool(processes=2)
    files = ['/path/to/file1.txt', '/path/to/file2.txt']
    for f in files:
        p.apply_async(testFunc, args=(f, ), callback=collect_results)
    p.close()
    p.join()
    print(results)
于 2012-09-18T19:55:20.313 回答
8

也许在这种情况下你应该使用map_async：

import os
from multiprocessing import Pool

results = []
def testFunc(file):
    message =  ("Working in Process #%d" % (os.getpid()))
    #This is just an illustration of some logic. This is not what I'm actually doing.
    for line in file:
        if 'dog' in line:
            results.append(line)
    return message

if __name__=="__main__":
    print("saddsf")
    p = Pool(processes=2)
    files = ['/path/to/file1.txt', '/path/to/file2.txt']
    results = p.map_async(testFunc, files)
    print(results.get())
于 2012-09-18T19:56:10.077 回答