关于多处理:在Python中将多个参数传递给pool.map()函数

Passing multiple parameters to pool.map() function in Python

本问题已经有最佳答案,请猛点这里访问。

我需要一些方法来使用pool.map()中接受多个参数的函数。根据我的理解,pool.map()的目标函数只能有一个iterable作为参数,但是有没有其他参数也可以传入的方法?在这种情况下,我需要传递一些配置变量,比如锁(),并将信息记录到目标函数中。

我试过做一些研究,我认为我可以使用部分函数使它工作?但是我不完全理解这些是如何工作的。任何帮助都将不胜感激!下面是一个简单的例子,说明我想做什么:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def target(items, lock):
    for item in items:
        # Do cool stuff
        if (... some condition here ...):
            lock.acquire()
            # Write to stdout or logfile, etc.
            lock.release()

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    pool.map(target(PASS PARAMS HERE), iterable)
    pool.close()
    pool.join()


您可以使用EDOCX1[0]进行此操作(如您怀疑的那样):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
from functools import partial

def target(lock, iterable_item):
    for item in iterable_item:
        # Do cool stuff
        if (... some condition here ...):
            lock.acquire()
            # Write to stdout or logfile, etc.
            lock.release()

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    l = multiprocessing.Lock()
    func = partial(target, l)
    pool.map(func, iterable)
    pool.close()
    pool.join()

例子:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def f(a, b, c):
    print("{} {} {}".format(a, b, c))

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    a ="hi"
    b ="there"
    func = partial(f, a, b)
    pool.map(func, iterable)
    pool.close()
    pool.join()

if __name__ =="__main__":
    main()

输出:

1
2
3
4
5
hi there 1
hi there 2
hi there 3
hi there 4
hi there 5


您可以使用允许多个参数的map函数,就像在pathos中找到的multiprocessing的分叉一样。

1
2
3
4
5
6
7
8
9
10
>>> from pathos.multiprocessing import ProcessingPool as Pool
>>>
>>> def add_and_subtract(x,y):
...   return x+y, x-y
...
>>> res = Pool().map(add_and_subtract, range(0,20,2), range(-5,5,1))
>>> res
[(-5, 5), (-2, 6), (1, 7), (4, 8), (7, 9), (10, 10), (13, 11), (16, 12), (19, 13), (22, 14)]
>>> Pool().map(add_and_subtract, *zip(*res))
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

pathos使您能够轻松地用多个输入嵌套分层并行映射,因此我们可以扩展我们的示例来证明这一点。

1
2
3
4
5
>>> from pathos.multiprocessing import ThreadingPool as TPool
>>>
>>> res = TPool().amap(add_and_subtract, *zip(*Pool().map(add_and_subtract, range(0,20,2), range(-5,5,1))))
>>> res.get()
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

更有趣的是,构建一个可以传递到池中的嵌套函数。这是可能的,因为pathos使用dill,它可以序列化Python中的几乎所有内容。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
>>> def build_fun_things(f, g):
...   def do_fun_things(x, y):
...     return f(x,y), g(x,y)
...   return do_fun_things
...
>>> def add(x,y):
...   return x+y
...
>>> def sub(x,y):
...   return x-y
...
>>> neato = build_fun_things(add, sub)
>>>
>>> res = TPool().imap(neato, *zip(*Pool().map(neato, range(0,20,2), range(-5,5,1))))
>>> list(res)
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

但是,如果您不能走出标准库,您将不得不以另一种方式进行。在这种情况下,最好的选择是使用multiprocessing.starmap,如这里所示:python multiprocessing pool.map用于多个参数(由@roberto在OP文章的注释中指出)

获取pathos:https://github.com/uqfoundation


如果您没有访问functools.partial的权限,也可以为此使用包装函数。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def target(lock):
    def wrapped_func(items):
        for item in items:
            # Do cool stuff
            if (... some condition here ...):
                lock.acquire()
                # Write to stdout or logfile, etc.
                lock.release()
    return wrapped_func

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    lck = multiprocessing.Lock()
    pool.map(target(lck), iterable)
    pool.close()
    pool.join()

这使得target()成为一个接受锁的函数(或任何你想给出的参数),它将返回一个只接受一个iterable作为输入的函数,但仍然可以使用你的所有其他参数。这就是最终传递给pool.map()的内容,然后应该毫无问题地执行。