Question

我正在尝试了解以下示例中的map和apply_async（改编自here）。

from multiprocessing import Pool, Manager
from functools import partial
import time

def operate(number1=None, number2=None, op=None, timeout_list=None):
    if op == "+":
        return number1 + number2
    elif op == "-":
        time.sleep(1)
        return number1 - number2
    elif op == "/":
        time.sleep(6)
        return number1 / number2
    elif op == "*":
        time.sleep(10)
        return number1 * number2
    else:
        print("+, -, /, *")

timeout_list = Manager().list()
kwargs = {"number1":10, "number2":7, "timeout_list":timeout_list}

if __name__ == '__main__':
    ops = ["+", "+", "-", "*", "/", "+"]
    pool = Pool(processes=len(ops))
    result = pool.map(partial(operate, kwargs),ops)
    print(result.get(timeout=5))

我正在尝试做三件事：

op

map

operate

将number1作为关键字传递给number2（但我目前正在获得AttributeError: 'list' object has no attribute 'get' }）
让操作*和/超时并分别返回*和/作为timeout_list中的超时结果
如何通过apply_async实现以下目标？有什么区别？

Answer 1

问题：...将op作为关键字传递给地图

您有，将以下内容放入def operate(...以查看您的操作：

def operate(number1=None, number2=None, op=None, timeout_list=None):
    print('pid:{} operate({})'.format(os.getpid(), (number1, number2, op, timeout_list)))

>>>pid:4932 operate(({'number1': 10, 'number2': 7, 'timeout_list': <ListProxy object, typeid 'list' at 0xf6c0afac>}, 
                     '+', 
                     None, 
                     None)
                   )

number1 == kwargs dict
number2 == ops[x]
op == None，因为您只使用 2 参数
timeout_list == None，因为您只使用 2 参数

问题：...部分设置使用number1和number2进行操作

您还没有，请执行以下操作以查看partial做了什么：

print(partial(operate, kwargs))

>>>functools.partial(<function operate at 0xf70ed194>, 
                      {'number1': 10, 'number2': 7, 'timeout_list': <ListProxy object, typeid 'list' at 0xf70f38ec>})

问题：...获取一个AttributeError：＆＃39; list＆＃39;对象没有属性＆＃39; get＆＃39;）
仔细阅读 AttributeError ！

.map(...返回纯Python list而不是结果对象！

 print(result)
>>>[None, None, None, None, None, None]

问题：2。获取操作*和/超时并返回...

不清楚你在问什么？

问题：3。如何使用apply_async ...
实现以下目标

在你进一步开始之前，让步骤1和2运行。

python池映射和apply_async

1 个答案: