python3多进程 pool manager_python多进程multiprocessing Pool相关问题
python多进程想必大部分人都用到过,可以充分利用多核CPU让代码效率更高效。
我们看看multiprocessing.pool.Pool.map的官方用法
map(func, iterable[, chunksize])
A parallel equivalent of the map() built-in function (it supports only one iterable argument though). It blocks until the result isready.
This method chops the iterable into a number of chunks which it submits to the process pool as separate tasks. The (approximate) size of these chunks can be specified by setting chunksize to a positive integer.
一、多参数传入如何变成一个参数
map的用法,函数func只允许一个可迭代的参数传递进去。
如果我们需要传递多个参数时怎么办呢,
一种方法是把多个参数放入到一个list或者元祖里当做一个参数传入func中
还有一种是使用偏函数,偏函数(Partial function)是通过将一个函数的部分参数预先绑定为某些值,从而得到一个新的具有较少可变参数的函数。在Python中,可以通过functools中的partial高阶函数来实现偏函数功能。偏函数partial的源码如下:
def partial(func, *args, **keywords):"""New function with partial application of the given arguments
and keywords."""
if hasattr(func, 'func'):
args= func.args +args
tmpkw=func.keywords.copy()
tmpkw.update(keywords)
keywords=tmpkwdeltmpkw
func=func.funcdef newfunc(*fargs, **fkeywords):
newkeywords=keywords.copy()
newkeywords.update(fkeywords)return func(*(args + fargs), **newkeywords)
newfunc.func=func
newfunc.args=args
newfunc.keywords=keywordsreturn newfunc
使用方法也很简单,比如我们有一个func函数,里面要传入texts,lock, data三个参数,但是我们想要用多进程把data分别传入进去计算,那么我们就可以先用partial函数,将texts和lock先固定到函数里组成一个新的函数,然后新函数传入data一个参数就可以了
from functools importpartialdeffunc(texts, lock, data):
......
pt=partial(func, tests, lock)#新函数pt只需要传入一个参数data
这我们就可以对pt函数套用pool.map函数并且只传入一个参数data里。
二、多进程内存复制
python对于多进程中使用的是copy on write机制,python 使用multiprocessing来创建多进程时,无论数据是否不会被更改,子进程都会复制父进程的状态(内存空间数据等)。所以如果主进程耗的资源较多时,不小心就会造成不必要的大量的内存复制,从而可能导致内存爆满的情况。
进程的启动有spawn、fork、forkserver三种方式
spawn:调用该方法,父进程会启动一个新的python进程,子进程只会继承运行进程对象run()方法所需的那些资源。特别地,子进程不会继承父进程中不必要的文件描述符和句柄。与使用fork或forkserver相比,使用此方法启动进程相当慢。
Available on Unix and Windows. The default on Windows.
fork:父进程使用os.fork()来fork Python解释器。子进程在开始时实际上与父进程相同,父进程的所有资源都由子进程继承。请注意,安全创建多线程进程尚存在一定的问题。
Available on Unix only. The default on Unix.
forkserver:当程序启动并选择forkserverstart方法时,将启动服务器进程。从那时起,每当需要一个新进程时,父进程就会连接到服务器并请求它fork一个新进程。 fork服务器进程是单线程的,因此使用os.fork()是安全的。没有不必要的资源被继承。
Available on Unix platforms which support passing file descriptors over Unix pipes.
要选择以上某一种start方法,请在主模块的if __name__ == '__ main__'子句中使用mp.set_start_method()。并且mp.set_start_method()在一个程序中仅仅能使用一次。
importmultiprocessing as mpdeffoo(q):
q.put('hello')if __name__ == '__main__':
mp.set_start_method('spawn')
q=mp.Queue()
p= mp.Process(target=foo, args=(q,))
p.start()print(q.get())
p.join()
设置maxtasksperchild=1,因此,每个任务完成后都不会重新生成进程,
对pool.map的调用中指定chunksize = 1.这样iterable中的多个项目将不会从工作进程的感知捆绑到一个“任务”中:
importmultiprocessingimporttimeimportosdeff(x):print("PID: %d" %os.getpid())
time.sleep(x)
complex_obj= 5 #more complex axtually
returncomplex_objif __name__ == '__main__':
multiprocessing.set_start_method('spawn')
pool= multiprocessing.Pool(4, maxtasksperchild=1)
pool.map(f, [5]*30, chunksize=1)
pool.close()
三、多进程间通讯
还有一种情况是,多进程间要相互之间通讯,比如我每一个进程的结果都要存入到texts这个list里。当然要把这个texts当做参数传入到函数里面,但是一般的list并不能共享给所有的进程,我们需要用multiprocessing.Manager().list()建立的list才可以用于进程间通讯,防止冲突,还要对texts加上锁,防止操作冲突。注意multiprocessing.Lock() 创建的锁不能传递,需要使用multiprocessing.Manager().Lock()来创建。multiprocessing.Manager()可创建字典,也可创建list,lock,它创建的变量可用于多进程间传递才不会出错。比如以下代码:
texts =multiprocessing.Manager().list()
lock=multiprocessing.Manager().Lock()
pool= multiprocessing.Pool(processes=4)
data= list(range(20))
pt=partial(func, texts, lock)
pool.map(pt, data)
pool.close()
pool.join()
python3多进程 pool manager_python多进程multiprocessing Pool相关问题相关推荐
- python3多进程 pool manager_Python多进程multiprocessing.Pool
Multiprocessing.Pool可以提供指定数量的进程供用户调用,当有新的请求提交到pool中时,如果池还没有满,那么就会创建一个新的进程用来执行该请求:但如果池中的进程数已经达到规定最大值, ...
- 一、multiprocessing.pool.RemoteTraceback
遇到如下问题多半时数据有问题`. // A code block var foo = 'bar'; multiprocessing.pool.RemoteTraceback: "" ...
- python 多进程 调用模块内函数_Python进程池multiprocessing.Pool的用法
一.multiprocessing模块 multiprocessing模块提供了一个Process类来代表一个进程对象,multiprocessing模块像线程一样管理进程,这个是multiproce ...
- Python 多进程 multiprocessing.Pool类详解
multiprocessing模块 multiprocessing包是Python中的多进程管理包.它与 threading.Thread类似,可以利用multiprocessing.Process对 ...
- python进程池win出错_解决windows下python3使用multiprocessing.Pool出现的问题
例如: from multiprocessing import Pool def f(x): return x*x pool = Pool(processes=4) r=pool.map(f, ran ...
- python 进程池 freeze_support_Python 多进程并发操作中进程池Pool的实例
在利用Python进行系统管理的时候,特别是同时操作多个文件目录,或者远程控制多台主机,并行操作可以节约大量的时间.当被操作对象数目不大时,可以直接利用multiprocessing中的Process ...
- python进程池调用实例方法_Python 多进程并发操作中进程池Pool的实例
在利用Python进行系统管理的时候,特别是同时操作多个文件目录,或者远程控制多台主机,并行操作可以节约大量的时间.当被操作对象数目不大时,可以直接利用multiprocessing中的Process ...
- 在windows下python3使用multiprocessing.Pool时出现的问题
例如: from multiprocessing import Pool def f(x): return x*x pool = Pool(processes=4) r=pool.map(f, ran ...
- python多进程通信manager_python中进程间数据通讯模块multiprocessing.Manager的介绍
本篇文章给大家带来的内容是关于python中进程间数据通讯模块multiprocessing.Manager的介绍,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 目前开发中有遇到进程 ...
最新文章
- Unet论文解读代码解读
- DialogInterface.OnClickListener()和android.view.View.OnClickListener冲突问题
- syslog-ng 正确配置udp接受端口
- 网络实验: 总线型以太网的特性---广播、竞争总线(冲突)
- Hibernate连接mysql数据库并自动创建表
- php 五角星,php使用GD库画五角星_PHP教程
- 浅谈OpenCL四大模型之Execution Model
- Web Components 系列(五)—— 关于 Templates
- python UI自动化图片断言
- 【笔记整理】通信原理第二章复习——随机信号分析
- 【安全资讯】引爆点:过去2020年勒索软件攻击激增62%
- volte的sip信令流程_VOLTE-SIP代码详解及SIP流程图解
- 华硕飞行堡垒扬声器没声音_华硕飞行堡垒FX50J音频系统是什么?FX50J有扬声器吗?...
- 对往届软件工程的思考——写在软件工程开课之际 by 姜健
- Mac OS X 清除DNS缓存
- Helm 创建一个NOTES.txt文件
- textarea输入框实时 统计字数(可统计中文,英文字数)
- 鸡年的年度编程语言,非它莫属
- 感谢默默无闻,致敬负重前行
- 114号和116号元素诞生记:验证历时4年多