Python 多处理 - 进程数

Question

我正在执行下面的代码，它工作正常，但它不会生成到不同的进程，而是有时所有代码都在同一个进程中运行，有时是两个进程合二为一。我使用的是 4 个 cpu 的机器。这段代码有什么问题吗？

def f(values):
    print(multiprocessing.current_process())
    return values

def main():
    p = Pool(4) #number of processes = number of CPUs
    keys, values= zip(*data.items()) #ordered keys and values
    processed_values= p.map( f, values )
    result= dict( zip(keys, processed_values ) ) 
    p.close() # no more tasks
    p.join()  # wrap up current tasks

结果是

<SpawnProcess(SpawnPoolWorker-1, started daemon)>
<SpawnProcess(SpawnPoolWorker-1, started daemon)>
<SpawnProcess(SpawnPoolWorker-1, started daemon)>
<SpawnProcess(SpawnPoolWorker-1, started daemon)>

而有时也像这样，

<SpawnProcess(SpawnPoolWorker-3, started daemon)>
<SpawnProcess(SpawnPoolWorker-2, started daemon)>
<SpawnProcess(SpawnPoolWorker-1, started daemon)>
<SpawnProcess(SpawnPoolWorker-3, started daemon)>

有时，

<SpawnProcess(SpawnPoolWorker-1, started daemon)>
<SpawnProcess(SpawnPoolWorker-4, started daemon)>
<SpawnProcess(SpawnPoolWorker-2, started daemon)>
<SpawnProcess(SpawnPoolWorker-1, started daemon)>

我的问题是，它根据什么将职能分配给工人？我编写代码的方式是根据字典中的键数来决定进程数（考虑到我的数据的键数总是少于我的 CPU）。我的代码将像这样开始 - 主代码读取文件并使用单个进程从中创建一个字典，并且应该将其分支到并发进程数并等待它们处理数据（我正在使用 pool.map ），然后一旦获得子进程的结果，它就开始处理它们。我怎样才能实现这个父等待子进程步骤？

Answer 1

你的代码没有任何问题。您的工作项非常快 - 如此之快，以至于同一个工作进程可以运行该函数，返回结果，然后赢得竞赛以消耗用于multiprocessing.Pool分配工作的内部队列中的下一个任务。当您调用时map，工作项会分成几批并放入Queue. pool.map这是将可迭代中的项目分块并将它们放入队列中的部分实现：

    task_batches = Pool._get_tasks(func, iterable, chunksize)
    result = MapResult(self._cache, chunksize, len(iterable), callback)
    self._taskqueue.put((((result._job, i, mapstar, (x,), {}) 
                          for i, x in enumerate(task_batches)), None))

每个工作进程运行一个具有无限 while 循环的函数，该循环消耗该队列中的项目*：

while maxtasks is None or (maxtasks and completed < maxtasks):
    try:
        task = get()  # Pulls an item off the taskqueue
    except (EOFError, IOError):
        debug('worker got EOFError or IOError -- exiting')
        break

    if task is None:
        debug('worker got sentinel -- exiting')
        break

    job, i, func, args, kwds = task
    try:
        result = (True, func(*args, **kwds))  # Runs the function you passed to map
    except Exception, e:
        result = (False, e)
    try:
        put((job, i, result))  # Sends the result back to the parent
    except Exception as e:
        wrapped = MaybeEncodingError(e, result[1])
        debug("Possible encoding error while sending result: %s" % (
            wrapped))

同一个工作人员很可能只是偶然能够使用一个项目，运行func，然后使用下一个项目。这有点奇怪- 我无法在运行与您的示例相同的代码的机器上重现它 - 但让同一个工作人员从队列中获取四个项目中的两个是很正常的。

如果您通过插入调用使工作函数花费更长的时间，您应该始终看到均匀分布time.sleep：

def f(values):
    print(multiprocessing.current_process())
    time.sleep(1)
    return values

_{* 这实际上并不完全正确 - 有一个线程在主进程中运行，它消耗 from taskqueue，然后将其拉出的内容粘贴到另一个Queue，这就是子进程消耗的内容）}