Мертвый простой пример использования многопроцессорной очереди, пула и блокировки

Я попытался прочитать документацию в http://docs.python.org/dev/library/multiprocessing.html, но я все еще боюсь многопроцессорной очереди, пула и блокировки. И теперь я смог построить пример ниже.

Что касается очереди и пула, я не уверен, правильно ли понял концепцию, так что поправьте меня, если я ошибаюсь. То, что я пытаюсь достичь, - это обрабатывать 2 запроса во время (список данных содержит 8 в этом примере), так что я должен использовать? Пул для создания 2 процессов, которые могут обрабатывать две разные очереди (2 на макс.), Или я должен просто использовать Очередь для обработки 2 входов каждый раз? Блокировка должна была правильно печатать выходы.

import multiprocessing
import time

data = (['a', '2'], ['b', '4'], ['c', '6'], ['d', '8'],
        ['e', '1'], ['f', '3'], ['g', '5'], ['h', '7']
)


def mp_handler(var1):
    for indata in var1:
        p = multiprocessing.Process(target=mp_worker, args=(indata[0], indata[1]))
        p.start()


def mp_worker(inputs, the_time):
    print " Processs %s\tWaiting %s seconds" % (inputs, the_time)
    time.sleep(int(the_time))
    print " Process %s\tDONE" % inputs

if __name__ == '__main__':
    mp_handler(data)

Ответ 1

Лучшим решением для вашей проблемы является использование Pool. Использование Queue и наличие отдельной функции "загрузки очереди", вероятно, слишком велико.

Здесь немного перестроенная версия вашей программы, на этот раз с всего 2 процесса coralled в Pool. Я считаю, что это самый простой способ, с минимальными изменениями в исходном коде:

import multiprocessing
import time

data = (
    ['a', '2'], ['b', '4'], ['c', '6'], ['d', '8'],
    ['e', '1'], ['f', '3'], ['g', '5'], ['h', '7']
)

def mp_worker((inputs, the_time)):
    print " Processs %s\tWaiting %s seconds" % (inputs, the_time)
    time.sleep(int(the_time))
    print " Process %s\tDONE" % inputs

def mp_handler():
    p = multiprocessing.Pool(2)
    p.map(mp_worker, data)

if __name__ == '__main__':
    mp_handler()

Обратите внимание, что функция mp_worker() теперь принимает единственный аргумент (кортеж двух предыдущих аргументов), потому что функция map() блокирует ваши входные данные в подсписках, каждый подсписок задается как один аргумент вашей рабочей функции.

Вывод:

Processs a  Waiting 2 seconds
Processs b  Waiting 4 seconds
Process a   DONE
Processs c  Waiting 6 seconds
Process b   DONE
Processs d  Waiting 8 seconds
Process c   DONE
Processs e  Waiting 1 seconds
Process e   DONE
Processs f  Waiting 3 seconds
Process d   DONE
Processs g  Waiting 5 seconds
Process f   DONE
Processs h  Waiting 7 seconds
Process g   DONE
Process h   DONE

Изменить в соответствии с комментарием @Thales ниже:

Если вы хотите "блокировать ограничение для каждого пула", чтобы ваши процессы выполнялись в тандемных парах, ala:

Ожидание B ожидания | Сделано, Б сделано | Ожидание, Ожидание D | C done, D done |...

затем измените функцию обработчика на запуск пулов (из 2-х процессов) для каждой пары данных:

def mp_handler():
    subdata = zip(data[0::2], data[1::2])
    for task1, task2 in subdata:
        p = multiprocessing.Pool(2)
        p.map(mp_worker, (task1, task2))

Теперь ваш выход:

 Processs a Waiting 2 seconds
 Processs b Waiting 4 seconds
 Process a  DONE
 Process b  DONE
 Processs c Waiting 6 seconds
 Processs d Waiting 8 seconds
 Process c  DONE
 Process d  DONE
 Processs e Waiting 1 seconds
 Processs f Waiting 3 seconds
 Process e  DONE
 Process f  DONE
 Processs g Waiting 5 seconds
 Processs h Waiting 7 seconds
 Process g  DONE
 Process h  DONE

Ответ 2

Вот мой личный перевод для этой темы:

Здесь, (приглашения на получение приветствуются!): https://gist.github.com/thorsummoner/b5b1dfcff7e7fdd334ec

import multiprocessing
import sys

THREADS = 3

# Used to prevent multiple threads from mixing thier output
GLOBALLOCK = multiprocessing.Lock()


def func_worker(args):
    """This function will be called by each thread.
    This function can not be a class method.
    """
    # Expand list of args into named args.
    str1, str2 = args
    del args

    # Work
    # ...



    # Serial-only Portion
    GLOBALLOCK.acquire()
    print(str1)
    print(str2)
    GLOBALLOCK.release()


def main(argp=None):
    """Multiprocessing Spawn Example
    """
    # Create the number of threads you want
    pool = multiprocessing.Pool(THREADS)

    # Define two jobs, each with two args.
    func_args = [
        ('Hello', 'World',), 
        ('Goodbye', 'World',), 
    ]


    try:
        # Spawn up to 9999999 jobs, I think this is the maximum possible.
        # I do not know what happens if you exceed this.
        pool.map_async(func_worker, func_args).get(9999999)
    except KeyboardInterrupt:
        # Allow ^C to interrupt from any thread.
        sys.stdout.write('\033[0m')
        sys.stdout.write('User Interupt\n')
    pool.close()

if __name__ == '__main__':
    main()

Ответ 3

Это может быть не 100% связанное с вопросом, но в моем поиске пример использования многопроцессорности с очередью это отображается сначала в google.

Это базовый примерный класс, который вы можете создавать и помещать в очередь в очередь и ждать окончания очереди. Это все, что мне нужно.

from multiprocessing import JoinableQueue
from multiprocessing.context import Process


class Renderer:
    queue = None

    def __init__(self, nb_workers=2):
        self.queue = JoinableQueue()
        self.processes = [Process(target=self.upload) for i in range(nb_workers)]
        for p in self.processes:
            p.start()

    def render(self, item):
        self.queue.put(item)

    def upload(self):
        while True:
            item = self.queue.get()
            if item is None:
                break

            # process your item here

            self.queue.task_done()

    def terminate(self):
        """ wait until queue is empty and terminate processes """
        self.queue.join()
        for p in self.processes:
            p.terminate()

r = Renderer()
r.render(item1)
r.render(item2)
r.terminate()

Ответ 4

Вот пример из моего кода (для потокового пула, но просто измените имя класса, и у вас будет пул процессов):

def execute_run(rp): 
   ... do something 

pool = ThreadPoolExecutor(6)
for mat in TESTED_MATERIAL:
    for en in TESTED_ENERGIES:
        for ecut in TESTED_E_CUT:
            rp = RunParams(
                simulations, DEST_DIR,
                PARTICLE, mat, 960, 0.125, ecut, en
            )
            pool.submit(execute_run, rp)
pool.join()

В основном:

  • pool = ThreadPoolExecutor(6) создает пул для 6 потоков
  • Затем у вас есть куча для добавления задач в пул
  • pool.submit(execute_run, rp) добавляет задачу для объединения в пул, сначала arogument - это функция, вызываемая в потоке/процессе, остальные аргументы передаются вызываемой функции.
  • pool.join ожидает выполнения всех задач.

Ответ 5

Для всех, кто использует такие редакторы, как Komodo Edit (win10), добавьте sys.stdout.flush() в:

def mp_worker((inputs, the_time)):
    print " Process %s\tWaiting %s seconds" % (inputs, the_time)
    time.sleep(int(the_time))
    print " Process %s\tDONE" % inputs
    sys.stdout.flush()

или как первая строка:

    if __name__ == '__main__':
       sys.stdout.flush()

Это помогает увидеть, что происходит во время запуска script; вместо того, чтобы смотреть на черный поле командной строки.