Python 进程未清理以供重用

Question

流程未清理以供重复使用

你好呀，

我偶然发现了一个问题ProcessPoolExecutor，进程访问数据时，它们不应该能够。让我解释：

我遇到的情况类似于下面的示例：我进行了多次运行，每次都以不同的参数开始。他们并行计算自己的东西，没有理由互相交互。现在，据我了解，当一个进程分叉时，它会复制自身。子进程与其父进程具有相同的（内存）数据，但如果它更改任何内容，它会在自己的副本上进行更改。如果我希望更改在子进程的生命周期内持续存在，我会调用队列、管道和其他 IPC 内容。

但其实我不知道！每个进程都为自己操作数据，这些数据不应传递到任何其他运行。不过，下面的示例显示了不同的情况。下一次运行（不是并行运行的运行）可以访问上一次运行的数据，这意味着数据尚未从进程中清除。

代码/示例

from concurrent.futures import ProcessPoolExecutor
from multiprocessing import current_process, set_start_method

class Static:
    integer: int = 0

def inprocess(run: int) -> None:
    cp = current_process()
    # Print current state
    print(f"[{run:2d} {cp.pid} {cp.name}] int: {Static.integer}", flush=True)

    # Check value
    if Static.integer != 0:
        raise Exception(f"[{run:2d} {cp.pid} {cp.name}] Variable already set!")

    # Update value
    Static.integer = run + 1

def pooling():
    cp = current_process()
    # Get master's pid
    print(f"[{cp.pid} {cp.name}] Start")
    with ProcessPoolExecutor(max_workers=2) as executor:
        for i, _ in enumerate(executor.map(inprocess, range(4))):
            print(f"run #{i} finished", flush=True)

if __name__ == '__main__':
    set_start_method("fork")    # enforce fork
    pooling()

输出

[1998 MainProcess] Start
[ 0 2020 Process-1] int: 0
[ 2 2020 Process-1] int: 1
[ 1 2021 Process-2] int: 0
[ 3 2021 Process-2] int: 2
run #0 finished
run #1 finished
concurrent.futures.process._RemoteTraceback:
"""
Traceback (most recent call last):
  File "/usr/lib/python3.6/concurrent/futures/process.py", line 175, in _process_worker
    r = call_item.fn(*call_item.args, **call_item.kwargs)
  File "/usr/lib/python3.6/concurrent/futures/process.py", line 153, in _process_chunk
    return [fn(*args) for args in chunk]
  File "/usr/lib/python3.6/concurrent/futures/process.py", line 153, in <listcomp>
    return [fn(*args) for args in chunk]
  File "<stdin>", line 14, in inprocess
Exception: [ 2 2020 Process-1] Variable already set!
"""

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "<stdin>", line 29, in <module>
  File "<stdin>", line 24, in pooling
  File "/usr/lib/python3.6/concurrent/futures/process.py", line 366, in _chain_from_iterable_of_lists
    for element in iterable:
  File "/usr/lib/python3.6/concurrent/futures/_base.py", line 586, in result_iterator
    yield fs.pop().result()
  File "/usr/lib/python3.6/concurrent/futures/_base.py", line 425, in result
    return self.__get_result()
  File "/usr/lib/python3.6/concurrent/futures/_base.py", line 384, in __get_result
    raise self._exception
Exception: [ 2 2020 Process-1] Variable already set!

max_workers=1由于进程被重复使用，因此也可以使用 重现此行为。启动方法对错误没有影响（尽管"fork" 似乎只使用多个进程）。

---

总结一下：我希望进程中的每次新运行都包含所有以前的数据，但没有来自任何其他运行的新数据。那可能吗？我将如何实现它？为什么上面的方法没有完全做到这一点？

我很感激任何帮助。

---

我发现multiprocessing.pool.Pool可以在哪里设置maxtasksperchild=1，以便工作进程在其任务完成时被销毁。但我不喜欢这个 multiprocessing界面；使用起来更ProcessPoolExecutor舒服。此外，池的整体想法是节省进程设置时间，当每次运行后终止托管进程时，该时间将被忽略。

Answer 1

python 中的全新进程不共享内存状态。但是ProcessPoolExecutor重用流程实例。毕竟它是一个活动进程池。我认为这样做是为了防止一直弯腰和启动进程的操作系统开销。

您会在其他分发技术（例如 celery）中看到相同的行为，如果您不小心，您可能会在执行之间泄露全局状态。

我建议您更好地管理命名空间以封装数据。使用您的示例，您可以将代码和数据封装在您实例化的父类中inprocess()，而不是将其存储在共享命名空间中，例如类中的静态字段或直接存储在模块中。这样该对象最终将被垃圾收集器清理：

class State:
    def __init__(self):
        self.integer: int = 0

    def do_stuff():
        self.integer += 42

def use_global_function(state):
    state.integer -= 1664
    state.do_stuff()

def inprocess(run: int) -> None:
    cp = current_process()
    state = State()
    print(f"[{run:2d} {cp.pid} {cp.name}] int: {state.integer}", flush=True)
    if state.integer != 0:
        raise Exception(f"[{run:2d} {cp.pid} {cp.name}] Variable already set!")
    state.integer = run + 1
    state.do_stuff()
    use_global_function(state)