11

所以,我正在尝试编写一个使用 django 作为其 ORM 的应用程序,因为它既需要做一些幕后处理,又需要一个易于使用的前端。它的核心功能是处理数据库中的数据,在高 CPU 进程(基本上是蒙特卡罗模拟)中,我想实现多处理,特别是使用 Pool(我得到 4 个进程)。基本上我的代码是这样运行的,有大约 20 个父母的孩子:

assorted import statements to get the django environment in the script
from multiprocessing import Pool
from random import random
from time import sleep

def test(child):
    x=[]
    print child.id
    for i in range(100):
        print child.id, i
        x.append(child.parent.id) #just to hit the DB
    return x

if __name__ == '__main__':
    parent = Parent.objects.get(id=1)
    pool = Pool()
    results = []
    results = pool.map(test,parent.children.all())
    pool.close()
    pool.join()
    print results

使用这样的代码,我会得到间歇性DatabaseError的 s 或PicklingErrors。前者通常是“格式错误的数据库”或“丢失与 MySQL 服务器的连接”的形式,后者通常是“无法腌制模型.DoesNotExist”。它们是随机的,发生在任何进程中,当然数据库本身没有任何问题。如果我设置pool = Pool(proccesses=1)然后它运行,在一个单一的线程就好了。我还加入了各种打印语句,以确保它们中的大多数实际上都在运行。

我也一直在更改test

def test(child):
    x=[]
    s= random()
    sleep(random())
    for i in range(100):
        x.append(child.parent.id)
    return x

这只会使每次迭代在运行前暂停不到一秒,并且一切都很好。如果我将随机间隔降低到大约 500 毫秒,它就会开始起作用。所以,可能是并发问题,对吧?但只有 4 个进程命中。我的问题是如何在不提前大量转储数据的情况下解决这个问题?我已经使用 SQLite 和 MySQL 对其进行了测试,但两者都遇到了问题。

4

2 回答 2

8

好的,所以我确定(在朋友的帮助下)问题是 django 对所有进程使用相同的数据库连接。通常,当您有并发的数据库请求时,它们要么在同一个线程中(在这种情况下 GIL 启动),要么它们在不同的线程上,在这种情况下,django 会建立不同的数据库连接。但是对于多处理,python 对所有内容进行深度复制,因此它将相同的数据库连接传递给子进程,然后它们相互踩踏直到它中断。

解决方案是从每个子进程中触发一个新的数据库连接(相对较快)。

from django import db
...
def sub_process():
    db.close_connection()
    #the rest of the sub_process' routines

#code that calls sub_process with the pool

从拥有那条线和没有那条线来回走动,肯定会解决所有问题。

于 2013-08-16T13:41:00.060 回答
3

实际上我最近也遇到了同样的问题,请参阅这篇文章:Django multiprocessing and database connections ... 并在子进程中调用连接关闭操作:

from django.db import connection 
connection.close()
于 2014-06-26T03:18:59.547 回答