Multiprocessing: Wie teile ich ein Diktat zwischen mehreren Prozessen?

Ein Programm, das mehrere Prozesse erstellt, die in einer Join-fähigen Warteschlange arbeiten Q, und möglicherweise ein globales Wörterbuch manipuliert D, um Ergebnisse zu speichern. (So ​​kann jeder untergeordnete Prozess Dsein Ergebnis speichern und auch sehen, welche Ergebnisse die anderen untergeordneten Prozesse erzielen.)

Wenn ich das Wörterbuch D in einem untergeordneten Prozess drucke, werden die Änderungen angezeigt, die daran vorgenommen wurden (dh auf D). Aber nachdem der Hauptprozess Q beigetreten ist, ist es ein leeres Diktat, wenn ich D drucke!

Ich verstehe, dass es sich um ein Synchronisations- / Sperrproblem handelt. Kann mir jemand sagen, was hier passiert und wie ich den Zugriff auf D synchronisieren kann?

Eine allgemeine Antwort beinhaltet die Verwendung eines ManagerObjekts. Angepasst aus den Dokumenten:

from multiprocessing import Process, Manager

def f(d):
    d[1] += '1'
    d['2'] += 2

if __name__ == '__main__':
    manager = Manager()

    d = manager.dict()
    d[1] = '1'
    d['2'] = 2

    p1 = Process(target=f, args=(d,))
    p2 = Process(target=f, args=(d,))
    p1.start()
    p2.start()
    p1.join()
    p2.join()

    print d

Ausgabe:

$ python mul.py 
{1: '111', '2': 6}

Multiprocessing ist nicht wie Threading. Jeder untergeordnete Prozess erhält eine Kopie des Speichers des Hauptprozesses. Im Allgemeinen wird der Status über Kommunikation (Pipes / Sockets), Signale oder gemeinsam genutzten Speicher geteilt.

Multiprocessing stellt einige Abstraktionen für Ihren Anwendungsfall zur Verfügung - gemeinsam genutzter Status, der mithilfe von Proxys oder gemeinsam genutztem Speicher als lokal behandelt wird: http://docs.python.org/library/multiprocessing.html#sharing-state-between-processes

Relevante Abschnitte:

• http://docs.python.org/library/multiprocessing.html#shared-ctypes-objects
• http://docs.python.org/library/multiprocessing.html#module-multiprocessing.managers

Ich möchte meine eigene Arbeit teilen, die schneller als das Diktat des Managers ist und einfacher und stabiler als die Pyshmht-Bibliothek, die viel Speicher benötigt und unter Mac OS nicht funktioniert. Obwohl mein Diktat nur für einfache Saiten funktioniert und derzeit unveränderlich ist. Ich verwende eine lineare Abtastimplementierung und speichere Schlüssel- und Wertepaare in einem separaten Speicherblock nach der Tabelle.

from mmap import mmap
import struct
from timeit import default_timer
from multiprocessing import Manager
from pyshmht import HashTable


class shared_immutable_dict:
    def __init__(self, a):
        self.hs = 1 << (len(a) * 3).bit_length()
        kvp = self.hs * 4
        ht = [0xffffffff] * self.hs
        kvl = []
        for k, v in a.iteritems():
            h = self.hash(k)
            while ht[h] != 0xffffffff:
                h = (h + 1) & (self.hs - 1)
            ht[h] = kvp
            kvp += self.kvlen(k) + self.kvlen(v)
            kvl.append(k)
            kvl.append(v)

        self.m = mmap(-1, kvp)
        for p in ht:
            self.m.write(uint_format.pack(p))
        for x in kvl:
            if len(x) <= 0x7f:
                self.m.write_byte(chr(len(x)))
            else:
                self.m.write(uint_format.pack(0x80000000 + len(x)))
            self.m.write(x)

    def hash(self, k):
        h = hash(k)
        h = (h + (h >> 3) + (h >> 13) + (h >> 23)) * 1749375391 & (self.hs - 1)
        return h

    def get(self, k, d=None):
        h = self.hash(k)
        while True:
            x = uint_format.unpack(self.m[h * 4:h * 4 + 4])[0]
            if x == 0xffffffff:
                return d
            self.m.seek(x)
            if k == self.read_kv():
                return self.read_kv()
            h = (h + 1) & (self.hs - 1)

    def read_kv(self):
        sz = ord(self.m.read_byte())
        if sz & 0x80:
            sz = uint_format.unpack(chr(sz) + self.m.read(3))[0] - 0x80000000
        return self.m.read(sz)

    def kvlen(self, k):
        return len(k) + (1 if len(k) <= 0x7f else 4)

    def __contains__(self, k):
        return self.get(k, None) is not None

    def close(self):
        self.m.close()

uint_format = struct.Struct('>I')


def uget(a, k, d=None):
    return to_unicode(a.get(to_str(k), d))


def uin(a, k):
    return to_str(k) in a


def to_unicode(s):
    return s.decode('utf-8') if isinstance(s, str) else s


def to_str(s):
    return s.encode('utf-8') if isinstance(s, unicode) else s


def mmap_test():
    n = 1000000
    d = shared_immutable_dict({str(i * 2): '1' for i in xrange(n)})
    start_time = default_timer()
    for i in xrange(n):
        if bool(d.get(str(i))) != (i % 2 == 0):
            raise Exception(i)
    print 'mmap speed: %d gets per sec' % (n / (default_timer() - start_time))


def manager_test():
    n = 100000
    d = Manager().dict({str(i * 2): '1' for i in xrange(n)})
    start_time = default_timer()
    for i in xrange(n):
        if bool(d.get(str(i))) != (i % 2 == 0):
            raise Exception(i)
    print 'manager speed: %d gets per sec' % (n / (default_timer() - start_time))


def shm_test():
    n = 1000000
    d = HashTable('tmp', n)
    d.update({str(i * 2): '1' for i in xrange(n)})
    start_time = default_timer()
    for i in xrange(n):
        if bool(d.get(str(i))) != (i % 2 == 0):
            raise Exception(i)
    print 'shm speed: %d gets per sec' % (n / (default_timer() - start_time))


if __name__ == '__main__':
    mmap_test()
    manager_test()
    shm_test()

Auf meinem Laptop sind die Leistungsergebnisse:

mmap speed: 247288 gets per sec
manager speed: 33792 gets per sec
shm speed: 691332 gets per sec

einfaches Anwendungsbeispiel:

ht = shared_immutable_dict({'a': '1', 'b': '2'})
print ht.get('a')

Zusätzlich zu @ senderle's hier fragen sich einige möglicherweise auch, wie die Funktionalität von verwendet werden soll multiprocessing.Pool.

Das Schöne ist, dass .Pool()die managerInstanz eine Methode enthält, die alle bekannten APIs der obersten Ebene nachahmt multiprocessing.

from itertools import repeat
import multiprocessing as mp
import os
import pprint

def f(d: dict) -> None:
    pid = os.getpid()
    d[pid] = "Hi, I was written by process %d" % pid

if __name__ == '__main__':
    with mp.Manager() as manager:
        d = manager.dict()
        with manager.Pool() as pool:
            pool.map(f, repeat(d, 10))
        # `d` is a DictProxy object that can be converted to dict
        pprint.pprint(dict(d))

Ausgabe:

$ python3 mul.py 
{22562: 'Hi, I was written by process 22562',
 22563: 'Hi, I was written by process 22563',
 22564: 'Hi, I was written by process 22564',
 22565: 'Hi, I was written by process 22565',
 22566: 'Hi, I was written by process 22566',
 22567: 'Hi, I was written by process 22567',
 22568: 'Hi, I was written by process 22568',
 22569: 'Hi, I was written by process 22569',
 22570: 'Hi, I was written by process 22570',
 22571: 'Hi, I was written by process 22571'}

Dies ist ein etwas anderes Beispiel, bei dem jeder Prozess nur seine Prozess-ID im globalen DictProxyObjekt protokolliert d.

Vielleicht können Sie pyshmht ausprobieren und die speicherbasierte Hash-Tabellenerweiterung für Python gemeinsam nutzen.

Beachten

1. Es ist nicht vollständig getestet, nur als Referenz.

2. Derzeit fehlen Lock / Sem-Mechanismen für die Mehrfachverarbeitung.