python - 与 pathos.multiprocessing 并行安全地写入文件

Question

众所周知，

pathos.multiprocessing 优于 Python 中的 multiprocessing 库，因为前者使用 dill 而不是 pickle 并且可以序列化更广泛的功能和其他东西。

但是当使用 pathos 将 pool.map() 结果写入文件时，就会出现一些麻烦。如果 ProcessPool 中的所有进程都按行将结果写入单个文件，它们会相互干扰同时写入一些行并破坏工作。在使用普通的 multiprocessing 包时，我能够让进程写入它们自己的单独文件，以当前进程 ID 命名，如下所示:

example_data = range(100)
def process_point(point):
    output = "output-%d.gz" % mpp.current_process().pid
    with gzip.open(output, "a+") as fout:
        fout.write('%d\n' % point**2)

然后，这段代码运行良好:

import multiprocessing as mpp
pool = mpp.Pool(8)
pool.map(process_point, example_data)

但是这段代码没有:

from pathos import multiprocessing as mpp
pool = mpp.Pool(8)
pool.map(process_point, example_data)

并抛出AttributeError:

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-10-a6fb174ec9a5> in <module>()
----> 1 pool.map(process_point, example_data)

/usr/local/lib/python2.7/dist-packages/processing-0.52_pathos-py2.7-linux-x86_64.egg/processing/pool.pyc in map(self, func, iterable, chunksize)
    128         '''
    129         assert self._state == RUN
--> 130         return self.mapAsync(func, iterable, chunksize).get()
    131
    132     def imap(self, func, iterable, chunksize=1):

/usr/local/lib/python2.7/dist-packages/processing-0.52_pathos-py2.7-linux-x86_64.egg/processing/pool.pyc in get(self, timeout)
    371             return self._value
    372         else:
--> 373             raise self._value
    374
    375     def _set(self, i, obj):

AttributeError: 'module' object has no attribute 'current_process'

pathos 中没有current_process()，我也找不到类似的东西。有什么想法吗？

Answer 1

我是 pathos 的作者。虽然您的答案适用于这种情况，但最好在 pathos 中使用 multiprocessing 的分支，它位于相当钝的位置:pathos.helpers.mp.

这为您提供了与 multiprocessing 的一对一映射，但具有更好的序列化。因此，您将使用 pathos.helpers.mp.current_process。

抱歉，它既没有记录又不明显……我应该至少改进这两个问题中的一个。