Question

我需要帮助理解multiprocessing.Queue。我面临的问题是，与调用queue.get(...)和队列缓冲区（deque）相比，从queue.put(...)获得结果非常落后。

这种泄漏抽象导致我调查队列的内部。它直截了当的source code只是指向deque implementation，这也很简单，我不能用它来解释我所看到的行为。另外我读到Queue使用管道，但我似乎无法在源代码中找到它。

我把它归结为一个重现问题的最小例子，我在下面指定了一个可能的输出。

import threading
import multiprocessing
import queue

q = None
def enqueue(item):
    global q
    if q is None:
        q = multiprocessing.Queue()
        process = threading.Thread(target=worker, args=(q,))  # or multiprocessing.Process Doesn't matter
        process.start()
    q.put(item)
    print(f'len putted item: {len(item)}. qsize: {q.qsize()}. buffer len: {len(q._buffer)}')


def worker(local_queue):
    while True:
        try:
            while True:  # get all items
                item = local_queue.get(block=False)
                print(f'len got item: {len(item)}. qsize: {q.qsize()}. buffer len: {len(q._buffer)}')
        except queue.Empty:
            print('empty')


if __name__ == '__main__':
    for i in range(1, 100000, 1000):
        enqueue(list(range(i)))

输出：

empty
empty
empty
len putted item: 1. qsize: 1. buffer len: 1
len putted item: 1001. qsize: 2. buffer len: 2
len putted item: 2001. qsize: 3. buffer len: 1
len putted item: 3001. qsize: 4. buffer len: 2
len putted item: 4001. qsize: 5. buffer len: 3
len putted item: 5001. qsize: 6. buffer len: 4
len putted item: 6001. qsize: 7. buffer len: 5
len putted item: 7001. qsize: 8. buffer len: 6
len putted item: 8001. qsize: 9. buffer len: 7
len putted item: 9001. qsize: 10. buffer len: 8
len putted item: 10001. qsize: 11. buffer len: 9
len putted item: 11001. qsize: 12. buffer len: 10
len putted item: 12001. qsize: 13. buffer len: 11
len putted item: 13001. qsize: 14. buffer len: 12
len putted item: 14001. qsize: 15. buffer len: 13
len putted item: 15001. qsize: 16. buffer len: 14
len got item: 1. qsize: 15. buffer len: 14
len putted item: 16001. qsize: 16. buffer len: 15
len putted item: 17001. qsize: 17. buffer len: 16
len putted item: 18001. qsize: 18. buffer len: 17
len putted item: 19001. qsize: 19. buffer len: 18
len putted item: 20001. qsize: 20. buffer len: 19
len putted item: 21001. qsize: 21. buffer len: 20
len putted item: 22001. qsize: 22. buffer len: 21
len putted item: 23001. qsize: 23. buffer len: 22
len putted item: 24001. qsize: 24. buffer len: 23
len putted item: 25001. qsize: 25. buffer len: 24
len putted item: 26001. qsize: 26. buffer len: 25
len putted item: 27001. qsize: 27. buffer len: 26
len putted item: 28001. qsize: 28. buffer len: 27
len got item: 1001. qsize: 27. buffer len: 27
empty
len putted item: 29001. qsize: 28. buffer len: 28
empty
empty
empty
len got item: 2001. qsize: 27. buffer len: 27
empty
len putted item: 30001. qsize: 28. buffer len: 28

我希望您注意以下结果：插入元素28001后，工作人员发现队列中没有剩余元素，而有几十个元素。由于同步，我只能获得除了少数几个以外的所有内容。但它只设法找到两个！

这种模式还在继续。

这似乎与我放在队列中的对象的大小有关。对于小型对象，例如i而不是list(range(i))，则不会出现此问题。但是所讨论的对象的大小仍然是千字节，并不足以掩盖这种显着的延迟（在我的现实世界非最小的例子中，这很容易花费几分钟）。

我的问题具体是：我如何在Python的进程之间共享（不是这样）大量数据？另外，我想知道Queue的内部实现在哪里，这种迟缓来自

Answer 1

我也遇到了这个问题。我正在发送大型numpy数组（~300MB），而且它在mp.queue.get（）时非常慢。

在看了一下mp.Queue的python2.7源代码之后，我发现socket_connection.c中最慢的部分（在unix类系统上）是_conn_recvall()，但我看起来并不深。

为了解决这个问题，我构建了一个实验包FMQ。

这个项目的灵感来自于使用multiprocessing.Queue（mp.Queue）。由于管道的速度限制（在类Unix系统上），mp.Queue对大数据项来说很慢。

使用mp.Queue处理进程间传输，FMQ实现了一个窃取程序线程，一旦任何项目可用，就会从mp.Queue中窃取一个项目，并将其放入Queue.Queue。然后，使用者进程可以立即从Queue.Queue获取数据。

加速是基于生产者和消费者过程都是计算密集型（因此需要多处理）并且数据很大（例如，> 50 227x227图像）的假设。否则使用多处理的mp.Queue或带线程的Queue.Queue就足够了。

fmq.Queue很容易像mp.Queue一样使用。

请注意，仍有一些Known Issues，因为此项目尚处于初期阶段。

Answer 2

对于将来的读者，您还可以尝试使用：

q = multiprocessing.Manager().Queue()

不只是

q = multiprocessing.Queue()

我还没有完全提炼出这种行为背后的机制，但是我读过的一个source声称这是关于：“将大项目推入队列时，尽管立即返回队列的put函数。”

作者继续说明有关此问题的更多信息以及一种解决方法，但是对我来说，添加Manager可以使这项工作变得简单而干净。

接受的答案中提到的

FMQ也是Python2独有的，这是我认为这一答案可能有一天可以帮助更多人的原因之一。

为什么`multiprocessing.Queue.get`这么慢？

2 个答案: