13

我使用多处理模块在 Python 中编写了简单的蒙特卡罗 π 计算程序。它工作得很好，但是当我为每个工人通过 1E+10 次迭代时，出现了一些问题，结果是错误的。我不明白是什么问题，因为在 1E+9 次迭代中一切都很好！

import sys
from multiprocessing import Pool
from random import random


def calculate_pi(iters):
    """ Worker function """

    points = 0  # points inside circle

    for i in iters:
        x = random()
        y = random()

        if x ** 2 + y ** 2 <= 1:
            points += 1

    return points


if __name__ == "__main__":

    if len(sys.argv) != 3:
        print "Usage: python pi.py workers_number iterations_per_worker"
        exit()

    procs = int(sys.argv[1])
    iters = float(sys.argv[2])  # 1E+8 is cool

    p = Pool(processes=procs)

    total = iters * procs
    total_in = 0

    for points in p.map(calculate_pi, [xrange(int(iters))] * procs):
        total_in += points

    print "Total: ", total, "In: ", total_in
    print "Pi: ", 4.0 * total_in / total
4

1 回答 1

14

问题似乎是多处理对它可以传递给 xrange 内的子进程的最大 int 有限制。这是一个快速测试：

import sys
from multiprocessing import Pool
def doit(n):
  print n
if __name__ == "__main__":
  procs = int(sys.argv[1])
  iters = int(float(sys.argv[2]))
  p = Pool(processes=procs)
  for points in p.map(doit, [xrange(int(iters))] * procs):
    pass

现在：

$ ./multitest.py 2 1E8
xrange(100000000)
xrange(100000000)
$ ./multitest.py 2 1E9
xrange(1000000000)
xrange(1000000000)
$ ./multitest.py 2 1E10
xrange(1410065408)
xrange(1410065408)

这是多处理的一个更普遍的问题的一部分：它依赖于标准的 Python 酸洗，并带有一些小的（并且没有很好的文档记录）扩展来传递值。每当出现问题时，首先要检查的是值是否以您期望的方式到达。

事实上，你可以通过玩 来看到这个问题pickle，甚至不接触multiprocessing（由于那些小的扩展，情况并非总是如此，但通常是）：

>>> pickle.dumps(xrange(int(1E9)))
'c__builtin__\nxrange\np0\n(I0\nI1000000000\nI1\ntp1\nRp2\n.'
>>> pickle.dumps(xrange(int(1E10)))
'c__builtin__\nxrange\np0\n(I0\nI1410065408\nI1\ntp1\nRp2\n.'

即使不了解 pickle 协议的所有细节，很明显I1000000000第一种情况下的 int 是 1E9，而下一种情况的等效块大约是 1.41E9，而不是 1E10，作为 int。你可以实验

一个明显的尝试解决方案是传递int(iters)而不是xrange(int(iters))，并让从它的参数calculate_pi创建。xrange（注意：在某些情况下，像这样的明显转换可能会损害性能，可能会很严重。但在这种情况下，如果有什么可能会稍微好一点——传递一个更简单的对象，并且你正在并行化xrange构造——当然区别是这么小可能没关系。盲目改造之前一定要三思。）

快速测试表明这现在有效：

import sys
from multiprocessing import Pool

def doit(n):
  print xrange(n)

if __name__ == "__main__":
    procs = int(sys.argv[1])
    iters = int(float(sys.argv[2]))
    p = Pool(processes=procs)
    for points in p.map(doit, [iters] * procs):
      pass

然后：

$ ./multitest.py 2 1E10
xrange(10000000000)
xrange(10000000000)

但是，您仍然会遇到更大的限制：

$ ./multitest.py 2 1E100
OverflowError: Python int too large to convert to C long

同样，这是同样的基本问题。解决此问题的一种方法是将 arg 作为字符串一直向下传递，并在子进程内执行 int(float(a)) 。

作为旁注：我这样做iters = int(float(sys.argv[2]))而不是稍后iters = float(sys.argv[2])使用的原因int(iters)是为了避免以后意外使用浮点iters值（就像OP的版本一样，在计算中total，因此total_in / total）。

请记住，如果你得到足够大的数字，你就会遇到 C 双精度类型的限制：1E23通常是 99999999999999991611392，而不是 100000000000000000000000。

于 2012-09-24T18:06:02.140 回答