python - 将多处理作业的中间结果转储到文件系统，稍后继续处理

Question

我有一份工作使用 multiprocessing 包并通过

调用一个函数

resultList = pool.map(myFunction, myListOfInputParameters)。

输入参数列表的每个条目都独立于其他条目。

这项工作将运行几个小时。出于安全原因，我想以固定的时间间隔存储其间的结果，例如每小时一次。

当作业被中止并且我想根据最后可用的备份重新启动它时，我该如何做到这一点并能够继续处理？

Answer 1

也许使用 pickle。在这里阅读更多内容:

https://docs.python.org/3/library/pickle.html

根据 aws_apprentice 的评论，我创建了一个完整的多处理示例，以防您不确定如何使用中间结果。第一次运行时它将打印“无”，因为没有中间结果。再次运行模拟重启。

from multiprocessing import Process
import pickle

def proc(name):
  data = None

  # Load intermediate results if they exist
  try:
    f = open(name+'.pkl', 'rb')
    data = pickle.load(f)
    f.close()
  except:
    pass

  # Do something
  print(data)
  data = "intermediate result for " + name

  # Periodically save your intermediate results
  f = open(name+'.pkl', 'wb')
  pickle.dump(data, f, -1)
  f.close()

processes = []
for x in range(5):
  p = Process(target=proc, args=("proc"+str(x),))
  p.daemon = True
  p.start()
  processes.append(p)

for process in processes:
  process.join()

for process in processes:
  process.terminate()

如果以人类可读格式输出中间结果有意义，您也可以使用 json。如果您需要将数据推送到行中，或者将 sqlite 作为数据库。