Python 多处理池/进程结果不一致

Question

我的共享字典对象的条目数量不一致。它应该有 500，但大多数测试最终都在 450 到 465 之间。我还尝试使用 map 和 Process 而不是 apply_async .

map 稍微好一点，因为共享字典有大约 480 个条目，而不是大约 450 个，但它仍然不一致，并且不是预期的全部 500 个条目。

我也尝试过使用 Process，但这导致我的共享字典中的条目数量最少 - 大约 420 个。

这是使用 apply_async 的完整代码:

import numpy as np
from PIL import Image
from os import listdir
from multiprocessing import Manager, Pool

def processImage(path, d):
  image = np.array(Image.open(source + "/" + path))

  # Copy lists from shared dictionary since updates don't work otherwise
  w = d["width"]
  h = d["height"]
  w.append(image.shape[0])
  h.append(image.shape[1])
  d["width"] = w
  d["height"] = h

if __name__ == "__main__":
  source = "./sample/images"
  p = Pool()
  m = Manager()
  d = m.dict()
  d["width"], d["height"] = [], []

  for path in listdir(source):
    p.apply_async(processImage, (path, d))
  p.close()
  p.join()

这是使用map的完整代码:

def processImage(obj):
  image = np.array(Image.open(source + "/" + obj[1]))

  w = obj[0]["width"]
  h = obj[0]["height"]
  w.append(image.shape[0])
  h.append(image.shape[1])
  obj[0]["width"] = w
  obj[0]["height"] = h

if __name__ == "__main__":
  source = "./sample/images"
  p = Pool()
  m = Manager()
  d = m.dict()
  d["width"], d["height"] = [], []

  p.map(processImage, zip(itertools.repeat(d), listdir(source)))

这是使用Process的完整代码:

def processImage(path, d):
  image = np.array(Image.open(source + "/" + path))

  w = d["width"]
  h = d["height"]
  w.append(image.shape[0])
  h.append(image.shape[1])
  d["width"] = w
  d["height"] = h

if __name__ == "__main__":
  source = "./sample/images"
  p = Pool()
  m = Manager()
  d = m.dict()
  d["width"], d["height"] = [], []

  jobs = []
  for img in listdir(source):
    p = Process(target=processImage, args=(img, d))
    p.start()
    jobs.append(p)

  for j in jobs:
    j.join()

Answer 1

这是竞争条件的典型示例。您需要某种同步原语来更新d。

考虑以下情况:有两个线程(在您的情况下是子进程)正在执行processImage。首先获取w和h，第二次获取w和h。首先向两者添加一些内容并将其放回d。第二个线程对其自己的 w 和 h 执行某些操作，这些操作不再考虑第一个线程所做的更改，并将其放回 d 。此时，第一个线程所做的更改将丢失。

要解决这个问题，您需要保护与 d 一起使用的部分代码:

from multiprocessing import Manager, Pool, Lock
...
lock = Lock()
...
def processImage(path, d):
    image = np.array(Image.open(source + "/" + path))

    lock.acquire()
    d["width"].append(image.shape[0])
    d["height"].append(image.shape[1])
    lock.release()