我遇到了 python 多处理池类的一些意外行为。
以下是我的问题:
1) Pool 何时创建其上下文,稍后用于序列化?
只要在 Container 定义之后创建 Pool 对象,下面的示例就可以正常运行。如果交换池初始化,则会发生序列化错误。在我的生产代码中,我想在定义容器类之前初始化 Pool 方式。是否可以刷新池“上下文”或以其他方式实现此目的。
2) Pool 是否有自己的负载平衡机制,如果有,它是如何工作的?
如果我在具有 8 个进程池的 i7 机器上运行类似的示例,我会得到以下结果:
- 对于轻量级评估函数,Pool 倾向于仅使用一个进程进行计算。它根据要求创建了 8 个进程,但大多数时候只使用一个(我从内部打印了 pid,并且在 htop 中也看到了这个)。
- 对于繁重的评估函数,行为符合预期。它平等地使用所有 8 个进程。
3) 使用 Pool 时,我总是看到我请求的另外 4 个进程(即对于 Pool(processes=2),我看到 6 个新进程)。他们的作用是什么?
我将 Linux 与 Python 2.7.2 一起使用
from multiprocessing import Pool
from datetime import datetime
POWER = 10
def eval_power(container):
for power in xrange(2, POWER):
container.val **= power
return container
#processes = Pool(processes=2)
class Container(object):
def __init__(self, value):
self.val = value
processes = Pool(processes=2)
if __name__ == "__main__":
cont = [Container(foo) for foo in xrange(20)]
then = datetime.now()
processes.map(eval_power, cont)
now = datetime.now()
print "Eval time:", now - then
编辑 - 对 BAKURIU
1) 我担心是这样的。
2)我不明白linux调度程序与python将计算分配给进程有什么关系。我的情况可以用下面的例子来说明:
from multiprocessing import Pool
from os import getpid
from collections import Counter
def light_func(ind):
return getpid()
def heavy_func(ind):
for foo in xrange(1000000):
ind += foo
return getpid()
if __name__ == "__main__":
list_ = range(100)
pool = Pool(4)
l_func = pool.map(light_func, list_)
h_func = pool.map(heavy_func, list_)
print "light func:", Counter(l_func)
print "heavy func:", Counter(h_func)
在我的 i5 机器(4 个线程)上,我得到以下结果:
light func: Counter({2967: 100})
Heavy func: Counter({2969: 28, 2967: 28, 2968: 23, 2970: 21})
看来情况正如我所描述的那样。但是我仍然不明白为什么python会这样做。我的猜测是它试图最小化通信费用,但它用于负载平衡的机制仍然未知。文档也不是很有帮助,多处理模块的文档记录很差。
3)如果我运行上面的代码,我会得到 4 个以上的进程,如前所述。画面来自htop:http: //i.stack.imgur.com/PldmM.png