python multiprocessing apply_async 只使用一个进程

Question

我有一个脚本，其中包括从列表中打开一个文件，然后对该文件中的文本执行某些操作。我正在使用 python 多处理和 Pool 来尝试并行化此操作。脚本的抽象如下:

import os
from multiprocessing import Pool

results = []
def testFunc(files):
    for file in files:
        print "Working in Process #%d" % (os.getpid())
        #This is just an illustration of some logic. This is not what I'm actually doing.
        for line in file:
            if 'dog' in line:
                results.append(line)

if __name__=="__main__":
    p = Pool(processes=2)
    files = ['/path/to/file1.txt', '/path/to/file2.txt']
    results = p.apply_async(testFunc, args = (files,))
    results2 = results.get()

当我运行此程序时，每次迭代的进程 ID 打印输出都是相同的。基本上我要做的是获取输入列表的每个元素并将其 fork 到一个单独的进程中，但似乎一个进程正在完成所有工作。

Answer 1

• apply_async 将一项任务分配给池。你需要打电话apply_async 多次以锻炼更多处理器。
• 不要让两个进程都尝试写入同一个列表，结果。由于池 worker 是独立的进程，这两个不会写入同一个列表。解决此问题的一种方法是使用输出队列。您可以自己设置，或使用 apply_async 的回调为您设置队列。 apply_async 将在函数完成后调用回调。
• 你可以使用 map_async 代替 apply_async，但是你会获取列表列表，然后您必须将其展平。

所以，不妨试试类似的方法:

import os
import multiprocessing as mp

results = []   

def testFunc(file):
    result = []
    print "Working in Process #%d" % (os.getpid())
    # This is just an illustration of some logic. This is not what I'm
    # actually doing.
    with open(file, 'r') as f:
        for line in f:
            if 'dog' in line:
                result.append(line)
    return result


def collect_results(result):
    results.extend(result)

if __name__ == "__main__":
    p = mp.Pool(processes=2)
    files = ['/path/to/file1.txt', '/path/to/file2.txt']
    for f in files:
        p.apply_async(testFunc, args=(f, ), callback=collect_results)
    p.close()
    p.join()
    print(results)