Question

我有一个要写的列表，data，每个项目都有一个文件，如下所示：

for i,chunk in enumerate(data):
    fname = ROOT / f'{i}.in'
    with open(fname, "wb") as fout:
        dill.dump(chunk, fout)

由于数据列表可能很长，而且我正在写一个网络存储位置，因此我花了大量时间来回等待NFS中的迭代，如果发生以下情况，我想异步进行：可能。

我现在基本上有了这样的东西：

import dill
import asyncio
import aiofiles
from pathlib import Path

ROOT = Path("/tmp/")

data = [str(i) for i in range(500)]

def serialize(data):
  """
  Write my data out in serial
  """
  for i,chunk in enumerate(data):
    fname = ROOT / f'{i}.in'
    print(fname)
    with open(fname, "wb") as fout:
        dill.dump(chunk, fout)

def aserialize(data):
  """
  Same as above, but writes my data out asynchronously
  """
  fnames = [ROOT / f'{i}.in' for i in range(len(data))]
  chunks = data
  async def write_file(i):
    fname = fnames[i]
    chunk = chunks[i]
    print(fname)
    async with aiofiles.open(fname, "wb") as fout:
        print(f"written: {i}")
        dill.dump(chunk, fout)
        await fout.flush()
  loop = asyncio.get_event_loop()
  loop.run_until_complete(asyncio.gather(*[write_file(i) for i in range(len(data))]))

现在，当我测试写入时，这看起来足够快，值得在我的NFS上使用：

# test 1
start = datetime.utcnow()
serialize(data)
end = datetime.utcnow()
print(end - start)
# >>> 0:02:04.204681

# test 3
start = datetime.utcnow()
aserialize(data)
end = datetime.utcnow()
print(end - start)
# >>> 0:00:27.048893
# faster is better.

但是当我实际上/ de / -serialize我写的数据时，我发现它可能很快，因为它没有写任何东西：

def deserialize(dat):
  tmp = []
  for i in range(len(dat)):
    fname = ROOT / f'{i}.in'
    with open(fname, "rb") as fin:
      fo = dill.load(fin)
    tmp.append(fo)
  return tmp

serialize(data)
d2 = deserialize(data)
d2 == data
# True

很好，而：

aserialize(data)
d3 = deserialize(data)
>>> Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 6, in deserialize
  File "...python3.7/site-packages/dill/_dill.py", line 305, in load
    obj = pik.load()
EOFError: Ran out of input

也就是说，异步写入的文件为空。难怪它这么快。

我如何异步将清单莳萝/点缀到文件中并让它们实际写入？我认为我需要以某种方式等待dill.dump？我以为fout.flush可以解决这个问题，但似乎没有。

Answer 1

我将dill.dump(chunk, fout)行更改为await fout.write(dill.dumps(chunk))，并将数据写入文件并正确反序列化。似乎dill.dump仅适用于不带file.write关键字的调用await方法的常规同步文件。

我如何用aiofiles异步腌制很多文件？

1 个答案: