如何将具有多个参数的函数传递给python concurrent.futures.ProcessPoolExecutor.map()?

How to pass a function with more than one argument to python concurrent.futures.ProcessPoolExecutor.map()?

我希望concurrent.futures.ProcessPoolExecutor.map()调用一个由2个或更多参数组成的函数。在下面的示例中,我使用lambda函数并将ref定义为具有相同值的numberlist的大小相等的数组。

第一个问题:有更好的方法吗?在numberlist的大小可能是数百万到数十亿个元素的情况下,因此ref大小必须遵循numberlist,这种方法不必要地占用宝贵的内存,我想避免。我这样做是因为我读到map函数将终止其映射,直到达到最短的数组结束。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import concurrent.futures as cf

nmax = 10
numberlist = range(nmax)
ref = [5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
workers = 3


def _findmatch(listnumber, ref):    
    print('def _findmatch(listnumber, ref):')
    x=''
    listnumber=str(listnumber)
    ref = str(ref)
    print('listnumber = {0} and ref = {1}'.format(listnumber, ref))
    if ref in listnumber:
        x = listnumber
    print('x = {0}'.format(x))
    return x

a = map(lambda x, y: _findmatch(x, y), numberlist, ref)
for n in a:
    print(n)
    if str(ref[0]) in n:
        print('match')

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    #for n in executor.map(_findmatch, numberlist):
    for n in executor.map(lambda x, y: _findmatch(x, ref), numberlist, ref):
        print(type(n))
        print(n)
        if str(ref[0]) in n:
            print('match')

运行上面的代码,我发现map函数能够实现我想要的结果。但是,当我将相同的术语转移到concurrent.futures.ProcessPoolExecutor.map()时,python3.5失败并出现此错误:

1
2
3
4
5
6
Traceback (most recent call last):
  File"/usr/lib/python3.5/multiprocessing/queues.py", line 241, in _feed
    obj = ForkingPickler.dumps(obj)
  File"/usr/lib/python3.5/multiprocessing/reduction.py", line 50, in dumps
    cls(buf, protocol).dump(obj)
_pickle.PicklingError: Can't pickle <function <lambda> at 0x7fd2a14db0d0>: attribute lookup <lambda> on __main__ failed

问题2:为什么会出现此错误?如何使用concurrent.futures.ProcessPoolExecutor.map()调用具有多个参数的函数?


要先回答你的第二个问题,你会得到一个例外,因为像你正在使用的lambda函数是不可选择的。由于Python使用pickle协议来序列化主进程和ProcessPoolExecutor的工作进程之间传递的数据,因此这是一个问题。目前尚不清楚为什么要使用lambda。你拥有的lambda有两个参数,就像原始函数一样。您可以直接使用_findmatch而不是lambda,它应该可以工作。

1
2
3
with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(_findmatch, numberlist, ref):
        ...

关于传递第二个常量参数而不创建巨型列表的第一个问题,您可以通过多种方式解决这个问题。一种方法可能是使用itertools.repeat创建一个可迭代的对象,在迭代时永远重复相同的值。

但是更好的方法可能是编写一个额外的函数来为你传递常量参数。 (也许这就是你尝试使用lambda函数的原因?)如果您使用的函数可以在模块的顶级命名空间访问,它应该可以工作:

1
2
3
4
5
6
def _helper(x):
    return _findmatch(x, 5)

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(_helper, numberlist):
        ...


(1)无需列出清单。您可以使用itertools.repeat创建一个只重复某个值的迭代器。

(2)您需要将命名函数传递给map,因为它将传递给子进程执行。 map使用pickle协议发送内容,lambdas无法腌制,因此它们不能成为地图的一部分。但它完全没必要。你所做的所有lambda都是用2参数调用2参数函数。完全删除它。

工作代码是

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import concurrent.futures as cf
import itertools

nmax = 10
numberlist = range(nmax)
workers = 3

def _findmatch(listnumber, ref):    
    print('def _findmatch(listnumber, ref):')
    x=''
    listnumber=str(listnumber)
    ref = str(ref)
    print('listnumber = {0} and ref = {1}'.format(listnumber, ref))
    if ref in listnumber:
        x = listnumber
    print('x = {0}'.format(x))
    return x

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    #for n in executor.map(_findmatch, numberlist):
    for n in executor.map(_findmatch, numberlist, itertools.repeat(5)):
        print(type(n))
        print(n)
        #if str(ref[0]) in n:
        #    print('match')


关于你的第一个问题,我是否正确理解你想要传递一个参数,该参数的值仅在你调用map时确定,但对于映射函数的所有实例都是常量?如果是这样,我将使用从"模板函数"派生的函数执行map,并使用functools.partial将第二个参数(在您的示例中为ref)烘焙到其中:

1
2
3
4
5
6
7
8
9
from functools import partial
refval = 5

def _findmatch(ref, listnumber):  # arguments swapped
    ...

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(partial(_findmatch, refval), numberlist):
        ...

回覆。问题2,第一部分:我还没有找到试图挑选(序列化)应该并行执行的函数的确切代码片段,但这听起来很自然 - 不仅是参数而且还有该功能必须以某种方式转移给工人,并且可能必须为此转移进行序列化。事实上partial的功能可以被腌制,而lambda s则无法在其他地方提到,例如:https://stackoverflow.com/a/19279016/6356764。

回覆。问题2,第二部分:如果你想在ProcessPoolExecutor.map中调用一个带有多个参数的函数,你可以将函数作为第一个参数传递给它,然后是函数的第一个参数的可迭代函数,接着是一个可迭代的它的第二个论点等。在你的情况下:

1
2
for n in executor.map(_findmatch, numberlist, ref):
    ...