Python 多处理与 unpicklable 对象

Question

目标:

• 使用带有线程或进程的 SQLAlchemy 在数据库中运行约 40 个巨大的查询，将相应的 SQLA ResultProxies在 Queue.Queue 中(由 multiprocessing.Manager 处理)
• 同时，将结果写入.csv文件，其中包含多个消耗所述队列的进程

当前状态:

• 运行查询和写入数据的 QueryThread 和 WriteThread 类；由于查询需要一些时间才能运行，因此 GIL 处理线程的方式不会造成明显的性能损失
• 另一方面，写文件需要很长时间；事实上，尽管最初的想法是运行 WriteThread 类的多个线程，但使用单个线程可以获得最佳性能。

因此有了使用多处理的想法；我希望能够同时写入输出，而不是 CPU 绑定(bind)而是 I/O 绑定(bind)。

撇开背景不谈，这里是问题(本质上是一个设计问题)- multiprocessing library通过 pickle 对象然后将数据管道传输到其他生成的进程来工作；但是我尝试在 WriteWorker Process 中使用的 ResultProxy 对象和共享队列不可挑选，这导致以下消息(不是逐字记录，但足够接近):

pickle.PicklingError: Can't pickle object in WriteWorker.start()

所以对你们有用的人的问题是，关于可以避免此问题的潜在设计模式或方法的任何想法？这似乎是一个简单、经典的生产者-消费者问题，我想出了解决方案很简单，我只是想多了

感谢任何帮助或反馈!谢谢:)

编辑:这里有一些相关的代码片段，如果我可以提供任何其他上下文，请告诉我

来自父类:

#init manager and queues
self.manager = multiprocessing.Manager()
self.query_queue = self.manager.Queue()
self.write_queue = self.manager.Queue()


def _get_data(self):
    #spawn a pool of query processes, and pass them query queue instance
    for i in xrange(self.NUM_QUERY_THREADS):
        qt = QueryWorker.QueryWorker(self.query_queue, self.write_queue, self.config_values, self.args)
        qt.daemon = True
        # qt.setDaemon(True)
        qt.start()

    #populate query queue
    self.parse_sql_queries()

    #spawn a pool of writer processes, and pass them output queue instance
    for i in range(self.NUM_WRITE_THREADS):
        wt = WriteWorker.WriteWorker(self.write_queue, self.output_path, self.WRITE_BUFFER, self.output_dict)
        wt.daemon = True
        # wt.setDaemon(True)
        wt.start()

    #wait on the queues until everything has been processed
    self.query_queue.join()
    self.write_queue.join()

来自 QueryWorker 类:

def run(self):
    while True:
        #grabs host from query queue
        query_tupe = self.query_queue.get()
        table =  query_tupe[0]
        query = query_tupe[1]
        query_num = query_tupe[2]
        if query and table:
            #grab connection from pool, run the query
            connection = self.engine.connect()
            print 'Running query #' + str(query_num) + ': ' + table
            try:
                result = connection.execute(query)
            except:
                print 'Error while running query #' + str(query_num) + ': \n\t' + str(query) + '\nError: '  + str(sys.exc_info()[1])

            #place result handle tuple into out queue
            self.out_queue.put((table, result))

        #signals to queue job is done
        self.query_queue.task_done()

Answer 1

简单的答案是避免直接使用 ResultsProxy。而是使用 cursor.fetchall() 或 cursor.fetchmany(number_to_fetch) 从 ResultsProxy 获取数据，然后将数据传递到多处理队列。