Question

我知道multiprocessing.Manager()以及它如何用于创建共享对象，特别是可以在worker之间共享的队列。有this question，this question，this question甚至one of my own questions。

但是，我需要定义很多队列，每个队列都链接一对特定的进程。假设每对进程及其链接队列由变量key标识。

当我需要输入和获取数据时，我想使用字典来访问我的队列。我无法做到这一点。我尝试过很多东西。将multiprocessing导入mp：

在多处理模块（称为for key in all_keys: DICT[key] = mp.Queue）导入的配置文件中定义类似multi.py的dict不会返回错误，但队列DICT[key]之间不会共享进程中，每个进程似乎都有自己的队列副本，因此不会发生通信。

如果我尝试在主多处理函数的开头定义DICT来定义进程并启动它们，比如

DICT = mp.Manager().dict()    
for key in all_keys:
    DICT[key] = mp.Queue()

我收到错误

RuntimeError: Queue objects should only be shared between processes through
 inheritance

更改为

DICT = mp.Manager().dict()    
for key in all_keys:
    DICT[key] = mp.Manager().Queue()

只会让一切变得更糟。在multi.py的头部而不是在main函数内部尝试类似的定义会返回类似的错误。

必须有一种方法可以在进程之间共享许多队列，而无需在代码中明确命名每个队列。有什么想法吗？

修改

以下是该计划的基本架构：

1-加载第一个模块，它定义了一些变量，导入multi，启动multi.main()，并加载另一个启动模块加载和代码执行的模块。同时......

2- multi.main看起来像这样：

def main():
    manager = mp.Manager()
    pool = mp.Pool()
    DICT2 = manager.dict()

    for key in all_keys:
        DICT2[key] = manager.Queue()
        proc_1 = pool.apply_async(targ1,(DICT1[key],) ) #DICT1 is defined in the config file
        proc_2 =  pool.apply_async(targ2,(DICT2[key], otherargs,)

我没有使用pool和manager，而是使用以下内容启动流程：

mp.Process(target=targ1, args=(DICT[key],))

3 - 函数targ1获取来自主进程的输入数据（按key排序）。它旨在将结果传递给DICT[key]，以便targ2可以完成其工作。这是不起作用的部分。存在任意数量的targ1 s，targ2 s等，因此具有任意数量的队列。

4 - 其中一些进程的结果将被发送到一堆不同的数组/ pandas数据帧，这些数据帧也被key索引，我希望可以从任意进程访问它们，甚至是已启动的进程在另一个模块中。我还没有写这部分，这可能是一个不同的问题。（我在这里提到它，因为上面3的答案也可能很好地解决了。）

Answer 1

当您尝试通过将其作为参数传递来共享multiprocessing.Queue()时，听起来您的问题已经开始了。您可以通过创建managed queue来解决此问题：

import multiprocessing
manager = multiprocessing.Manager()
passable_queue = manager.Queue()

当您使用管理器创建它时，您正在存储并将代理传递给队列，而不是队列本身，因此即使传递给工作进程的对象是复制后，它仍将指向相同的底层数据结构：您的队列。它与C / C ++中的指针非常相似（在概念上）。如果以这种方式创建队列，则可以在启动工作进程时传递它们。

由于您现在可以传递队列，因此您不再需要管理字典。在main中保存一个普通字典，用于存储所有映射，并且只为您的工作进程提供所需的队列，这样他们就不需要访问任何映射。

我在这里写了一个例子。看起来你正在你的工人之间传递物品，所以这就是在这里做的。想象一下，我们有两个处理阶段，数据的开始和结束都在main的控制之中。看看我们如何创建连接工作人员的队列，就像管道一样，但只要给他们他们需要的队列，他们就不需要知道任何映射：

import multiprocessing as mp

def stage1(q_in, q_out):

    q_out.put(q_in.get()+"Stage 1 did some work.\n")
    return

def stage2(q_in, q_out):

    q_out.put(q_in.get()+"Stage 2 did some work.\n")
    return

def main():

    pool = mp.Pool()
    manager = mp.Manager()

    # create managed queues
    q_main_to_s1 = manager.Queue()
    q_s1_to_s2 = manager.Queue()
    q_s2_to_main = manager.Queue()

    # launch workers, passing them the queues they need
    results_s1 = pool.apply_async(stage1, (q_main_to_s1, q_s1_to_s2))
    results_s2 = pool.apply_async(stage2, (q_s1_to_s2, q_s2_to_main))

    # Send a message into the pipeline
    q_main_to_s1.put("Main started the job.\n")

    # Wait for work to complete
    print(q_s2_to_main.get()+"Main finished the job.")

    pool.close()
    pool.join()

    return

if __name__ == "__main__":
    main()

代码生成此输出：

主要开始这项工作第一阶段做了一些工作第二阶段做了一些工作主要完成了这项工作。

我没有包含在字典中存储队列或AsyncResults对象的示例，因为我仍然不太了解您的程序应该如何工作。但是现在您可以自由地传递队列，您可以构建字典以根据需要存储队列/进程映射。

事实上，如果你真的在多个工作者之间建立管道，你甚至不需要在main中保留对“工人间”队列的引用。创建队列，将它们传递给您的工作人员，然后仅保留对main将使用的队列的引用。如果你确实有“任意数量”的队列，我肯定会建议尽可能快地收集旧队列。

在Python中的进程之间共享许多队列

1 个答案: