使用多处理时的PicklingError

Question

我在多处理模块中使用Pool.map_async()(以及Pool.map())时遇到问题.我已经实现了一个并行循环函数,只要函数输入到Pool.map_async是一个"常规"函数,它就能正常工作.当函数是例如类的方法时,我得到一个PicklingError:

cPickle.PicklingError: Can't pickle <type 'function'>: attribute lookup __builtin__.function failed

我只使用Python进行科学计算,所以我对酸洗的概念不太熟悉,今天就对它进行了一些了解.我在使用python的多处理Pool.map()时已经看过几个先前的答案,比如无法选择<type'instancemethod'>,但我无法弄清楚如何使它工作,即使遵循提供的链接回答.

我的代码,目标是使用多个内核模拟Normal rv的向量.请注意,这只是一个示例,可能甚至没有在多个内核上运行的回报.

import multiprocessing as mp
import scipy as sp
import scipy.stats as spstat

def parfor(func, args, static_arg = None, nWorkers = 8, chunksize = None):
    """
    Purpose: Evaluate function using Multiple cores.

    Input:
        func       - Function to evaluate in parallel
        arg        - Array of arguments to evaluate func(arg)  
        static_arg - The "static" argument (if any), i.e. the variables that are      constant in the evaluation of func.
        nWorkers   - Number of Workers to process computations.
    Output:
        func(i, static_arg) for i in args.

    """
    # Prepare arguments for func: Collect arguments with static argument (if any)
    if static_arg != None:
        arguments = [[arg] + static_arg for arg in list(args)]
    else:
        arguments = args

    # Initialize workers
    pool = mp.Pool(processes = nWorkers) 

    # Evaluate function
    result = pool.map_async(func, arguments, chunksize = chunksize)
    pool.close()
    pool.join()

    return sp.array(result.get()).flatten() 

# First test-function. Freeze location and scale for the Normal random variates generator.
# This returns a function that is a method of the class Norm_gen. Methods cannot be pickled
# so this will give an error.
def genNorm(loc, scale):
    def subfunc(a):
        return spstat.norm.rvs(loc = loc, scale = scale, size = a)
    return subfunc

# Second test-function. The same as above but does not return a method of a class. This is a "plain" function and can be 
# pickled
def test(fargs):
    x, a, b = fargs
    return spstat.norm.rvs(size = x, loc = a, scale = b)

# Try it out.
N = 1000000

# Set arguments to function. args1 = [1, 1, 1,... ,1], the purpose is just to generate a random variable of size 1 for each 
# element in the output vector.
args1 = sp.ones(N)
static_arg = [0, 1] # standarized normal.

# This gives the PicklingError
func = genNorm(*static_arg)
sim = parfor(func, args1, static_arg = None, nWorkers = 12, chunksize = None)

# This is OK:
func = test
sim = parfor(func, args1, static_arg = static_arg, nWorkers = 12, chunksize = None)

在使用python的多处理Pool.map()时,在关于无法选择<type'instancemethod'>的问题的答案中提供链接后,Steven Bethard(几乎在最后)建议使用copy_reg模块.他的代码是:

def _pickle_method(method):
    func_name = method.im_func.__name__
    obj = method.im_self
    cls = method.im_class
    return _unpickle_method, (func_name, obj, cls)

def _unpickle_method(func_name, obj, cls):
    for cls in cls.mro():
        try:
            func = cls.__dict__[func_name]
        except KeyError:
            pass
        else:
            break
    return func.__get__(obj, cls)

import copy_reg
import types

copy_reg.pickle(types.MethodType, _pickle_method, _unpickle_method)

我真的不明白如何利用这一点.我唯一想到的就是把它放在我的代码之前,但它没有帮助.一个简单的解决方案当然是与有效的方法一起使用,避免涉及copy_reg.我更感兴趣的是让copy_reg正常工作以充分利用多处理,而不必每次都解决问题.

感谢您的帮助,非常感谢.

马蒂亚斯

Answer 1

这里的问题是"pickle"错误信息少于概念:多进程确实将你的代码分叉到"worker"不同的进程中以执行其魔术.

然后,它通过无缝地序列化和反序列化数据(即使用pickle的部分)将数据发送到不同进程和从不同进程发送数据.

当来回传递的部分数据是一个函数时 - 它假定在被调用者进程中存在一个具有相同名称的函数,并且(我猜)将函数名称作为字符串传递.由于函数是无状态的,被调用的工作进程只是用它收到的数据调用相同的函数.(Python函数不能通过pickle序列化,因此只需在master和worker进程之间传递引用)

当你的函数是一个实例中的方法时 - 虽然当我们编写python代码时,它就像一个函数一样,带有一个"自动" self变量,它在下面是不一样的.因为实例(对象)是有状态的.这意味着工作进程没有对象的副本,该对象是您要在另一侧调用的方法的所有者.

解决将方法作为函数传递给map_async调用的方法也不起作用 - 因为多进程只使用函数引用,而不是传递它时的实际函数.

因此,您应该(1)更改代码,以便将函数 - 而不是方法 - 传递给工作进程,将对象保留的任何状态转换为要调用的新参数.(2)为map_async调用创建一个"目标"函数,该函数重构工作进程端所需的对象,然后调用其中的函数.Python中大多数简单的类本身都是可选择的,因此您可以在map_async调用上传递函数所有者本身的对象 - 而"target"函数将在工作方调用适当的方法本身.

(2)可能听起来"很难",但它可能只是这样 - 除非你的对象的课程不能被腌制:

import types

def target(object, *args, **kw):
    method_name = args[0]
    return getattr(object, method_name)(*args[1:])
(...)    
#And add these 3 lines prior to your map_async call:


    # Evaluate function
    if isinstance (func, types.MethodType):
        arguments.insert(0, func.__name__)
        func = target
    result = pool.map_async(func, arguments, chunksize = chunksize)

*免责声明:我没有测试过这个