我有一些代码对python 3应用程序中的几个文件执行相同的操作,因此它似乎是multiprocessing
的一个很好的候选者。我正在尝试使用Pool
将工作分配给一些进程。我希望代码在这些计算进行时继续做其他事情(主要是为用户显示内容),所以我想使用map_async
类的multiprocessing.Pool
函数来实现这一点。我希望在调用它之后,代码将继续,结果将由我指定的回调处理,但这似乎没有发生。以下代码显示了我尝试调用map_async
的三种方式以及我看到的结果:
import multiprocessing
NUM_PROCS = 4
def func(arg_list):
arg1 = arg_list[0]
arg2 = arg_list[1]
print('start func')
print ('arg1 = {0}'.format(arg1))
print ('arg2 = {0}'.format(arg2))
time.sleep(1)
result1 = arg1 * arg2
print('end func')
return result1
def callback(result):
print('result is {0}'.format(result))
def error_handler(error1):
print('error in call\n {0}'.format(error1))
def async1(arg_list1):
# This is how my understanding of map_async suggests i should
# call it. When I execute this, the target function func() is not called
with multiprocessing.Pool(NUM_PROCS) as p1:
r1 = p1.map_async(func,
arg_list1,
callback=callback,
error_callback=error_handler)
def async2(arg_list1):
with multiprocessing.Pool(NUM_PROCS) as p1:
# If I call the wait function on the result for a small
# amount of time, then the target function func() is called
# and executes sucessfully in 2 processes, but the callback
# function is never called so the results are not processed
r1 = p1.map_async(func,
arg_list1,
callback=callback,
error_callback=error_handler)
r1.wait(0.1)
def async3(arg_list1):
# if I explicitly call join on the pool, then the target function func()
# successfully executes in 2 processes and the callback function is also
# called, but by calling join the processing is not asynchronous any more
# as join blocks the main process until the other processes are finished.
with multiprocessing.Pool(NUM_PROCS) as p1:
r1 = p1.map_async(func,
arg_list1,
callback=callback,
error_callback=error_handler)
p1.close()
p1.join()
def main():
arg_list1 = [(5, 3), (7, 4), (-8, 10), (4, 12)]
async3(arg_list1)
print('pool executed successfully')
if __name__ == '__main__':
main()
在main中调用async1
,async2
或async3
时,结果将在每个函数的注释中描述。任何人都可以解释为什么不同的呼叫表现得像他们一样吗?最后我想在map_async
中调用async1
,所以我可以在工作进程繁忙时在主进程中执行其他操作。我已经使用python 2.7和3.6测试了这个代码,在较旧的RH6 linux盒子和更新的ubuntu VM上,结果相同。
答案 0 :(得分:3)
这种情况正在发生,因为当您使用multiprocessing.Pool
作为上下文管理器pool.terminate()
is called when you leave the with
block时,会立即退出所有工作人员,而无需等待正在进行的任务完成。
3.3版中的新功能:
Pool
对象现在支持上下文管理协议 - 请参阅上下文管理器Types. __enter__()
返回池对象,__exit__()
调用terminate()
。
IMO使用terminate()
作为上下文管理器的__exit__
方法并不是一个很好的设计选择,因为似乎大多数人都会直观地期望close()
将被调用,这将等待在退出之前完成正在进行的任务。不幸的是,您只能使用上下文管理器重构您的代码,或重构您的代码,以确保您不会离开with
阻止,直到Pool
完成其工作