pathos.ProcessingPool和pickle之间的交互

Question

我有一份需要运行的计算列表。我正在使用

并行化它们

from pathos.multiprocessing import ProcessingPool
pool = ProcessingPool(nodes=7)
values = pool.map(helperFunction, someArgs)

helperFunction确实会创建一个名为Parameters的类，该类在同一文件中定义

import otherModule
class Parameters(otherModule.Parameters):
    ...

到目前为止，这么好。 helperFunction将根据Parameters对象进行一些计算，更改其部分属性，最后使用pickle存储它们。以下是执行保存的辅助函数（来自不同模块）的相关摘录：

import pickle
import hashlib
import os
class cacheHelper():

    def __init__(self, fileName, attr=[], folder='../cache/'):
        self.folder = folder

        if len(attr) > 0:
            attr = self.attrToName(attr)
        else:
            attr = ''
        self.fileNameNaked = fileName
        self.fileName = fileName + attr

    def write(self, objects):
        with open(self.getFile(), 'wb') as output:
            for object in objects:
                pickle.dump(object, output, pickle.HIGHEST_PROTOCOL)

当它到达pickle.dump()时，它会引发一个难以调试的异常，因为调试器不会进入实际遇到该异常的worker。因此，我在转储发生之前创建了一个断点，并手动输入该命令。这是输出：

>>> pickle.dump(objects[0], output, pickle.HIGHEST_PROTOCOL)
Traceback (most recent call last):
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/site-packages/IPython/core/interactiveshell.py", line 2885, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-1-4d2cbb7c63d1>", line 1, in <module>
    pickle.dump(objects[0], output, pickle.HIGHEST_PROTOCOL)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 1376, in dump
    Pickler(file, protocol).dump(obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 224, in dump
    self.save(obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 331, in save
    self.save_reduce(obj=obj, *rv)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 396, in save_reduce
    save(cls)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 286, in save
    f(self, obj) # Call unbound method with explicit self
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/site-packages/dill/dill.py", line 1203, in save_type
    StockPickler.save_global(pickler, obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 754, in save_global
    (obj, module, name))
PicklingError: Can't pickle <class '__main__.Parameters'>: it's not found as __main__.Parameters

奇怪的是，当我不进行并行化时，即手动循环helperFunction时，不会发生这种情况。我很确定我正在打开正确的Parameters（而不是父类）。

我知道在没有可重复的示例的情况下调试内容很困难，我不希望这部分有任何解决方案。也许更普遍的问题是：

在通过另一个模块并行使用pickle.dump()的代码时，必须注意什么？

Answer 1

直接来自Python docs。

  

<强> 12.1.4。什么可以腌制和去除？可以腌制以下类型：

     

  
• 无，真，假
  
• 整数，浮点数，复数
  
• 字符串，字节，字节数组
  
• 元组，列表，集和
  
• 只包含在模块顶层定义的可选对象函数的字典（使用def，而不是lambda）
  
• 在模块顶层定义的内置函数
  
• 在模块顶层定义的类
  
• 此类的实例__dict__或调用__getstate__()的结果是可选择的（有关详细信息，请参阅“修补类实例”一节）。
  

其他一切都无法腌制。在你的情况下，虽然在给出代码摘录的情况下很难说，我认为问题是类Parameters没有在模块的顶层定义，因此它的实例不能被腌制。

使用pathos.multiprocessing（或其积极开发的分叉multiprocess）代替内置multiprocessing的重点是避免pickle，因为也有很多事情后来都无法转储。 pathos.multiprocessing和multiprocess使用dill代替pickle。如果您想调试工作人员，可以使用trace。

注意正如Mike McKerns（multiprocess的主要撰稿人）正确地注意到的那样，有些情况甚至dill都无法处理，尽管很难制定关于这个问题的一些普遍规则。