5

在 Python 2.7 中处理 CSV 文件时，我无法将ThreadPools 与 a 一起使用。Generator这是一些示例代码，可以说明我的观点：

from multiprocessing.dummy import Pool as ThreadPool
import time

def getNextBatch():
    # Reads lines from a huge CSV and yields them as required.
    for i in range(5):
        yield i;

def processBatch(batch):
    # This simulates a slow network request that happens.
    time.sleep(1);
    print "Processed Batch " + str(batch);

# We use 4 threads to attempt to aleviate the bottleneck caused by network I/O.
threadPool = ThreadPool(processes = 4)

batchGenerator = getNextBatch()

for batch in batchGenerator:
    threadPool.map(processBatch, (batch,))

threadPool.close()
threadPool.join()

当我运行它时，我得到了预期的输出：

处理批次 0

处理批次 1

处理批次 2

处理批次 3

处理批次 4

问题是它们在每次打印之间出现1 秒延迟。实际上，我的脚本是按顺序运行的（而不是像我希望的那样使用多个线程）。

这里的目标是让这些打印的语句在大约 1 秒后全部出现，而不是每秒一个 5 秒。

4

1 回答 1

5

这是你的问题

for batch in batchGenerator:
    threadPool.map(processBatch, (batch,))

当我尝试

threadPool.map(processBatch, batchGenerator)

它按预期工作（但不是按顺序）。for 循环使用 threadPool 一次一个地处理每个批次。所以它完成了一个，然后继续前进，然后......

于 2017-11-17T18:11:53.000 回答