在Python 2.7中处理CSV文件时,我在使用ThreadPool
和Generator
时遇到问题。以下是一些示例代码,说明了我的观点:
from multiprocessing.dummy import Pool as ThreadPool
import time
def getNextBatch():
# Reads lines from a huge CSV and yields them as required.
for i in range(5):
yield i;
def processBatch(batch):
# This simulates a slow network request that happens.
time.sleep(1);
print "Processed Batch " + str(batch);
# We use 4 threads to attempt to aleviate the bottleneck caused by network I/O.
threadPool = ThreadPool(processes = 4)
batchGenerator = getNextBatch()
for batch in batchGenerator:
threadPool.map(processBatch, (batch,))
threadPool.close()
threadPool.join()
当我运行它时,我得到预期的输出:
已处理批次0
已处理批次1
已处理批次2
已处理批次3
已处理批次4
问题是它们在每次打印之间出现 1秒延迟。实际上,我的脚本是按顺序运行的(而不是像我希望的那样使用多个线程)。
这里的目标是让所有打印的语句在约1秒后出现,而不是每秒出现一次,持续5秒。
答案 0 :(得分:3)
这是你的问题
for batch in batchGenerator:
threadPool.map(processBatch, (batch,))
当我尝试
时 threadPool.map(processBatch, batchGenerator)
它按预期工作(但不按顺序)。 for循环使用threadPool一次处理每个批处理。所以它完成一个,然后继续前进,然后......