使用多处理 Pool.map() 时无法 pickle <type 'instancemethod'>
-
08-07-2019 - |
题
我正在尝试使用 multiprocessing
的 Pool.map()
同时分配工作的功能。当我使用以下代码时,它工作正常:
import multiprocessing
def f(x):
return x*x
def go():
pool = multiprocessing.Pool(processes=4)
print pool.map(f, range(10))
if __name__== '__main__' :
go()
但是,当我以更面向对象的方法使用它时,它不起作用。它给出的错误信息是:
PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup
__builtin__.instancemethod failed
当我的主程序如下时会发生这种情况:
import someClass
if __name__== '__main__' :
sc = someClass.someClass()
sc.go()
以下是我的 someClass
班级:
import multiprocessing
class someClass(object):
def __init__(self):
pass
def f(self, x):
return x*x
def go(self):
pool = multiprocessing.Pool(processes=4)
print pool.map(self.f, range(10))
有人知道问题可能是什么,或者有简单的解决方法吗?
其他提示
所有这些解决方案都很丑陋,因为除非您跳出标准库,否则多重处理和酸洗会被破坏和限制。
如果你使用叉子 multiprocessing
被称为 pathos.multiprocesssing
, ,您可以直接在多处理中使用类和类方法 map
功能。这是因为 dill
被用来代替 pickle
或者 cPickle
, , 和 dill
几乎可以序列化Python中的任何东西。
pathos.multiprocessing
还提供了异步映射功能......并且它可以 map
具有多个参数的函数(例如 map(math.pow, [1,2,3], [4,5,6])
)
看:multiprocessing 和 dill 可以一起做什么?
和:http://matthewrocklin.com/blog/work/2013/12/05/Parallelism-and-Serialization/
>>> import pathos.pools as pp
>>> p = pp.ProcessPool(4)
>>>
>>> def add(x,y):
... return x+y
...
>>> x = [0,1,2,3]
>>> y = [4,5,6,7]
>>>
>>> p.map(add, x, y)
[4, 6, 8, 10]
>>>
>>> class Test(object):
... def plus(self, x, y):
... return x+y
...
>>> t = Test()
>>>
>>> p.map(Test.plus, [t]*4, x, y)
[4, 6, 8, 10]
>>>
>>> p.map(t.plus, x, y)
[4, 6, 8, 10]
明确地说,您可以完全按照您一开始就想做的事情进行,并且如果您愿意,也可以通过解释器来完成。
>>> import pathos.pools as pp
>>> class someClass(object):
... def __init__(self):
... pass
... def f(self, x):
... return x*x
... def go(self):
... pool = pp.ProcessPool(4)
... print pool.map(self.f, range(10))
...
>>> sc = someClass()
>>> sc.go()
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>>
您还可以在 someClass()
中定义 __ call __()
方法,该方法调用 someClass.go()
然后传递一个池中的 someClass()
的实例。这个对象是pickleable,它工作正常(对我来说)......
Steven Bethard的解决方案有一些限制:
当您将类方法注册为函数时,每次方法处理完成时,都会令人惊讶地调用类的析构函数。因此,如果您的类的一个实例调用其方法的n倍,则成员可能会在两次运行之间消失,并且您可能会收到消息 malloc:***对象0x的错误...:未释放指针被释放
(例如打开成员文件)或纯虚方法调用,
在没有活动异常的情况下调用终止
(这意味着我使用的成员对象的生命周期比我想象的要短)。当处理大于池大小的n时,我得到了这个。这是一个简短的例子:
from multiprocessing import Pool, cpu_count
from multiprocessing.pool import ApplyResult
# --------- see Stenven's solution above -------------
from copy_reg import pickle
from types import MethodType
def _pickle_method(method):
func_name = method.im_func.__name__
obj = method.im_self
cls = method.im_class
return _unpickle_method, (func_name, obj, cls)
def _unpickle_method(func_name, obj, cls):
for cls in cls.mro():
try:
func = cls.__dict__[func_name]
except KeyError:
pass
else:
break
return func.__get__(obj, cls)
class Myclass(object):
def __init__(self, nobj, workers=cpu_count()):
print "Constructor ..."
# multi-processing
pool = Pool(processes=workers)
async_results = [ pool.apply_async(self.process_obj, (i,)) for i in range(nobj) ]
pool.close()
# waiting for all results
map(ApplyResult.wait, async_results)
lst_results=[r.get() for r in async_results]
print lst_results
def __del__(self):
print "... Destructor"
def process_obj(self, index):
print "object %d" % index
return "results"
pickle(MethodType, _pickle_method, _unpickle_method)
Myclass(nobj=8, workers=3)
# problem !!! the destructor is called nobj times (instead of once)
输出:
Constructor ...
object 0
object 1
object 2
... Destructor
object 3
... Destructor
object 4
... Destructor
object 5
... Destructor
object 6
... Destructor
object 7
... Destructor
... Destructor
... Destructor
['results', 'results', 'results', 'results', 'results', 'results', 'results', 'results']
... Destructor
__ call __
方法不等同,因为从结果中读取了[None,...]:
from multiprocessing import Pool, cpu_count
from multiprocessing.pool import ApplyResult
class Myclass(object):
def __init__(self, nobj, workers=cpu_count()):
print "Constructor ..."
# multiprocessing
pool = Pool(processes=workers)
async_results = [ pool.apply_async(self, (i,)) for i in range(nobj) ]
pool.close()
# waiting for all results
map(ApplyResult.wait, async_results)
lst_results=[r.get() for r in async_results]
print lst_results
def __call__(self, i):
self.process_obj(i)
def __del__(self):
print "... Destructor"
def process_obj(self, i):
print "obj %d" % i
return "result"
Myclass(nobj=8, workers=3)
# problem !!! the destructor is called nobj times (instead of once),
# **and** results are empty !
所以这两种方法都不令人满意......
您可以使用另一个捷径,但根据您的班级实例中的内容,它可能效率低下。
正如大家所说的那样,问题在于 multiprocessing
代码必须挑选它发送给它已启动的子进程的东西,并且pickler不执行实例方法。 / p>
但是,您可以将实际的类实例以及要调用的函数的名称发送给普通函数,然后使用 getattr
来调用实例 - 而不是发送实例方法。方法,从而在 Pool
子进程中创建绑定方法。这类似于定义 __ call __
方法,除了您可以调用多个成员函数。
从他的回答中窃取了@ EricH。的代码并对其进行了一些注释(我重新输入了所有的名称更改,因此出于某些原因,这似乎比剪切和粘贴更容易:-))用于说明所有魔术:
import multiprocessing
import os
def call_it(instance, name, args=(), kwargs=None):
"indirect caller for instance methods and multiprocessing"
if kwargs is None:
kwargs = {}
return getattr(instance, name)(*args, **kwargs)
class Klass(object):
def __init__(self, nobj, workers=multiprocessing.cpu_count()):
print "Constructor (in pid=%d)..." % os.getpid()
self.count = 1
pool = multiprocessing.Pool(processes = workers)
async_results = [pool.apply_async(call_it,
args = (self, 'process_obj', (i,))) for i in range(nobj)]
pool.close()
map(multiprocessing.pool.ApplyResult.wait, async_results)
lst_results = [r.get() for r in async_results]
print lst_results
def __del__(self):
self.count -= 1
print "... Destructor (in pid=%d) count=%d" % (os.getpid(), self.count)
def process_obj(self, index):
print "object %d" % index
return "results"
Klass(nobj=8, workers=3)
输出显示,实际上,构造函数被调用一次(在原始pid中)并且析构函数被调用9次(每个副本一次调用=每个pool-worker-process需要2或3次,加上一次在原始过程中)。这通常是正常的,因为在这种情况下,由于默认选择器生成整个实例的副本并且(半)秘密地重新填充它&#8212;在这种情况下,执行:
obj = object.__new__(Klass)
obj.__dict__.update({'count':1})
&#8212;这就是为什么即使析构函数在三个工作进程中被调用了八次,它每次都会从1倒数到0,但当然你仍然可以通过这种方式遇到麻烦。如有必要,您可以提供自己的 __ setstate __
:
def __setstate__(self, adict):
self.count = adict['count']
例如,在这种情况下。
您还可以在 someClass()
中定义 __ call __()
方法,该方法调用 someClass.go()
然后传递一个池中的 someClass()
的实例。这个对象是pickleable,它工作正常(对我来说)......
class someClass(object):
def __init__(self):
pass
def f(self, x):
return x*x
def go(self):
p = Pool(4)
sc = p.map(self, range(4))
print sc
def __call__(self, x):
return self.f(x)
sc = someClass()
sc.go()
上面 parisjohn 的解决方案对我来说很好。此外,代码看起来干净,易于理解。在我的情况下,有一些函数可以使用Pool调用,所以我在下面修改了parisjohn的代码。我使调用能够调用多个函数,函数名称在 go()
的参数dict中传递:
from multiprocessing import Pool
class someClass(object):
def __init__(self):
pass
def f(self, x):
return x*x
def g(self, x):
return x*x+1
def go(self):
p = Pool(4)
sc = p.map(self, [{"func": "f", "v": 1}, {"func": "g", "v": 2}])
print sc
def __call__(self, x):
if x["func"]=="f":
return self.f(x["v"])
if x["func"]=="g":
return self.g(x["v"])
sc = someClass()
sc.go()
对此的一个潜在的简单解决方案是切换到使用 multiprocessing.dummy
。这是多处理接口的基于线程的实现,在Python 2.7中似乎没有这个问题。我在这里没有很多经验,但是这个快速导入更改允许我在类方法上调用apply_async。
multiprocessing.dummy
上的一些好资源:
https://docs.python.org/2 /library/multiprocessing.html#module-multiprocessing.dummy
在这个简单的例子中, someClass.f
不继承类中的任何数据而不将任何内容附加到类中,可能的解决方案是将 f
,所以可以腌制:
import multiprocessing
def f(x):
return x*x
class someClass(object):
def __init__(self):
pass
def go(self):
pool = multiprocessing.Pool(processes=4)
print pool.map(f, range(10))
为什么不使用单独的func?
def func(*args, **kwargs):
return inst.method(args, kwargs)
print pool.map(func, arr)
更新:截至本文撰写之日,namedTuples可以选择(从python 2.7开始)
这里的问题是子进程无法导入对象的类 - 在这种情况下,类P-,在多模型项目的情况下,类P应该可以在子进程的任何地方导入习惯了
快速解决方法是通过将其影响为globals()
使其可导入globals()["P"] = P