228

multiprocessingPool.map()関数を使用して、作業を同時に分割しようとしています。次のコードを使用すると、正常に機能します。

import multiprocessing

def f(x):
    return x*x

def go():
    pool = multiprocessing.Pool(processes=4)        
    print pool.map(f, range(10))


if __name__== '__main__' :
    go()

ただし、よりオブジェクト指向のアプローチで使用すると、機能しません。表示されるエラーメッセージは次のとおりです。

PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup
__builtin__.instancemethod failed

これは、以下が私のメインプログラムである場合に発生します。

import someClass

if __name__== '__main__' :
    sc = someClass.someClass()
    sc.go()

そして、以下は私のsomeClassクラスです:

import multiprocessing

class someClass(object):
    def __init__(self):
        pass

    def f(self, x):
        return x*x

    def go(self):
        pool = multiprocessing.Pool(processes=4)       
        print pool.map(self.f, range(10))

問題が何であるか、またはそれを回避する簡単な方法を知っている人はいますか?

4

13 に答える 13

128

問題は、マルチプロセッシングはプロセス間でそれらをスリングするために物事をピクルスにする必要があり、バインドされたメソッドはピクルスできないことです。回避策(「簡単」かどうかに関係なく;-)は、プログラムにインフラストラクチャを追加して、そのようなメソッドを選択できるようにし、copy_reg標準ライブラリメソッドに登録することです。

たとえば、このスレッドへのSteven Bethardの貢献(スレッドの終わりに向かって)は、を介してメソッドのピクルス/アンピクルを可能にする完全に実行可能なアプローチの1つを示していcopy_regます。

于 2009-11-29T22:16:14.613 に答える
78

標準ライブラリの外に飛び出さない限り、マルチプロセッシングとピクルスは壊れて制限されるため、これらのソリューションはすべて醜いです。

multiprocessingと呼ばれるフォークを使用する場合は、マルチプロセッシングの関数pathos.multiprocesssingでクラスとクラスメソッドを直接使用できます。mapこれは、またはdillの代わりにが使用され、Pythonでほとんどすべてをシリアル化できるためです。picklecPickledill

pathos.multiprocessing非同期マップ関数も提供します…そしてそれはmap複数の引数で機能することができます(例えばmap(math.pow, [1,2,3], [4,5,6])

参照: マルチプロセッシングとディルは一緒に何ができますか?

および: http: //matthewrocklin.com/blog/work/2013/12/05/Parallelism-and-Serialization/

>>> import pathos.pools as pp
>>> p = pp.ProcessPool(4)
>>> 
>>> def add(x,y):
...   return x+y
... 
>>> x = [0,1,2,3]
>>> y = [4,5,6,7]
>>> 
>>> p.map(add, x, y)
[4, 6, 8, 10]
>>> 
>>> class Test(object):
...   def plus(self, x, y): 
...     return x+y
... 
>>> t = Test()
>>> 
>>> p.map(Test.plus, [t]*4, x, y)
[4, 6, 8, 10]
>>> 
>>> p.map(t.plus, x, y)
[4, 6, 8, 10]

そして、明確にするために、そもそもやりたいことを正確に行うことができ、必要に応じてインタプリタからそれを行うことができます。

>>> import pathos.pools as pp
>>> class someClass(object):
...   def __init__(self):
...     pass
...   def f(self, x):
...     return x*x
...   def go(self):
...     pool = pp.ProcessPool(4)
...     print pool.map(self.f, range(10))
... 
>>> sc = someClass()
>>> sc.go()
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> 

ここでコードを取得します: https ://github.com/uqfoundation/pathos

于 2014-01-25T01:11:46.427 に答える
36

__call__()の内部にメソッドを定義することもできます。このメソッドは、のインスタンスsomeClass()を呼び出してプールに渡します。このオブジェクトはピクルス可能で、(私にとっては)正常に動作します...someClass.go()someClass()

于 2011-08-07T20:40:35.593 に答える
23

Steven Bethardのソリューションにはいくつかの制限があります:

クラスメソッドを関数として登録すると、メソッドの処理が終了するたびに、驚くべきことにクラスのデストラクタが呼び出されます。したがって、メソッドをn回呼び出すクラスのインスタンスが1つある場合、2回の実行の間にメンバーが消えて、メッセージmalloc: *** error for object 0x...: pointer being freed was not allocated(たとえば、メンバーファイルを開く)またはpure virtual method called, terminate called without an active exception(つまり、使用したメンバーオブジェクトの存続期間が私が思ったこと)。プールサイズより大きいnを処理するときにこれを取得しました。ここに短い例があります:

from multiprocessing import Pool, cpu_count
from multiprocessing.pool import ApplyResult

# --------- see Stenven's solution above -------------
from copy_reg import pickle
from types import MethodType

def _pickle_method(method):
    func_name = method.im_func.__name__
    obj = method.im_self
    cls = method.im_class
    return _unpickle_method, (func_name, obj, cls)

def _unpickle_method(func_name, obj, cls):
    for cls in cls.mro():
        try:
            func = cls.__dict__[func_name]
        except KeyError:
            pass
        else:
            break
    return func.__get__(obj, cls)


class Myclass(object):

    def __init__(self, nobj, workers=cpu_count()):

        print "Constructor ..."
        # multi-processing
        pool = Pool(processes=workers)
        async_results = [ pool.apply_async(self.process_obj, (i,)) for i in range(nobj) ]
        pool.close()
        # waiting for all results
        map(ApplyResult.wait, async_results)
        lst_results=[r.get() for r in async_results]
        print lst_results

    def __del__(self):
        print "... Destructor"

    def process_obj(self, index):
        print "object %d" % index
        return "results"

pickle(MethodType, _pickle_method, _unpickle_method)
Myclass(nobj=8, workers=3)
# problem !!! the destructor is called nobj times (instead of once)

出力:

Constructor ...
object 0
object 1
object 2
... Destructor
object 3
... Destructor
object 4
... Destructor
object 5
... Destructor
object 6
... Destructor
object 7
... Destructor
... Destructor
... Destructor
['results', 'results', 'results', 'results', 'results', 'results', 'results', 'results']
... Destructor

結果から[None、...]が読み取られるため、この__call__方法はそれほど同等ではありません。

from multiprocessing import Pool, cpu_count
from multiprocessing.pool import ApplyResult

class Myclass(object):

    def __init__(self, nobj, workers=cpu_count()):

        print "Constructor ..."
        # multiprocessing
        pool = Pool(processes=workers)
        async_results = [ pool.apply_async(self, (i,)) for i in range(nobj) ]
        pool.close()
        # waiting for all results
        map(ApplyResult.wait, async_results)
        lst_results=[r.get() for r in async_results]
        print lst_results

    def __call__(self, i):
        self.process_obj(i)

    def __del__(self):
        print "... Destructor"

    def process_obj(self, i):
        print "obj %d" % i
        return "result"

Myclass(nobj=8, workers=3)
# problem !!! the destructor is called nobj times (instead of once), 
# **and** results are empty !

したがって、両方の方法のいずれも満足のいくものではありません...

于 2011-09-05T14:50:52.940 に答える
16

使用できる別のショートカットがありますが、クラスインスタンスの内容によっては非効率になる場合があります。

誰もが言っているように、問題は、multiprocessingコードが開始したサブプロセスに送信するものをピクルス化する必要があり、ピッカーはインスタンスメソッドを実行しないことです。

ただし、instance-methodを送信する代わりに、実際のクラスインスタンスと呼び出す関数の名前を通常の関数に送信して、インスタンスメソッドのgetattr呼び出しに使用することで、サブプロセスにバインドされたメソッドを作成できますPool__call__これは、複数のメンバー関数を呼び出すことができることを除いて、メソッドの定義に似ています。

彼の答えから@EricH。のコードを盗み、少し注釈を付けます(私はそれを再入力したので、すべての名前が変更されました。何らかの理由で、これはカットアンドペーストよりも簡単に見えました:-))すべての魔法の説明のために:

import multiprocessing
import os

def call_it(instance, name, args=(), kwargs=None):
    "indirect caller for instance methods and multiprocessing"
    if kwargs is None:
        kwargs = {}
    return getattr(instance, name)(*args, **kwargs)

class Klass(object):
    def __init__(self, nobj, workers=multiprocessing.cpu_count()):
        print "Constructor (in pid=%d)..." % os.getpid()
        self.count = 1
        pool = multiprocessing.Pool(processes = workers)
        async_results = [pool.apply_async(call_it,
            args = (self, 'process_obj', (i,))) for i in range(nobj)]
        pool.close()
        map(multiprocessing.pool.ApplyResult.wait, async_results)
        lst_results = [r.get() for r in async_results]
        print lst_results

    def __del__(self):
        self.count -= 1
        print "... Destructor (in pid=%d) count=%d" % (os.getpid(), self.count)

    def process_obj(self, index):
        print "object %d" % index
        return "results"

Klass(nobj=8, workers=3)

出力は、実際、コンストラクターが(元のpidで)1回呼び出され、デストラクタが9回呼び出されることを示しています(作成されたコピーごとに1回=必要に応じてpool-worker-processごとに2回または3回、さらに元のpidで1回処理する)。この場合のように、これは多くの場合問題ありません。デフォルトのピッカーがインスタンス全体のコピーを作成し、(半)密かに再入力するためです。この場合、次のようにします。

obj = object.__new__(Klass)
obj.__dict__.update({'count':1})

そのため、3つのワーカープロセスでデストラクタが8回呼び出されても、毎回1から0までカウントダウンされますが、もちろん、この方法で問題が発生する可能性があります。必要に応じて、独自の情報を提供できます__setstate__

    def __setstate__(self, adict):
        self.count = adict['count']

この場合、例えば。

于 2012-04-18T20:01:54.997 に答える
15

__call__()の内部にメソッドを定義することもできます。このメソッドは、のインスタンスsomeClass()を呼び出してプールに渡します。このオブジェクトはピクルス可能で、(私にとっては)正常に動作します...someClass.go()someClass()

class someClass(object):
   def __init__(self):
       pass
   def f(self, x):
       return x*x

   def go(self):
      p = Pool(4)
      sc = p.map(self, range(4))
      print sc

   def __call__(self, x):   
     return self.f(x)

sc = someClass()
sc.go()
于 2017-01-31T14:18:07.453 に答える
3

上記のparisjohnの解決策は、私には問題なく機能します。さらに、コードはクリーンで理解しやすいように見えます。私の場合、Poolを使用して呼び出す関数がいくつかあるので、parisjohnのコードを少し下に変更しました。いくつかの関数を呼び出せるように呼び出しました。関数名は引数dictで渡されますgo()

from multiprocessing import Pool
class someClass(object):
    def __init__(self):
        pass

    def f(self, x):
        return x*x

    def g(self, x):
        return x*x+1    

    def go(self):
        p = Pool(4)
        sc = p.map(self, [{"func": "f", "v": 1}, {"func": "g", "v": 2}])
        print sc

    def __call__(self, x):
        if x["func"]=="f":
            return self.f(x["v"])
        if x["func"]=="g":
            return self.g(x["v"])        

sc = someClass()
sc.go()
于 2018-06-27T14:10:21.210 に答える
1

これに対する潜在的に些細な解決策は、を使用するように切り替えることmultiprocessing.dummyです。これは、Python 2.7ではこの問題が発生していないように見える、マルチプロセッシングインターフェイスのスレッドベースの実装です。ここではあまり経験がありませんが、この迅速なインポートの変更により、クラスメソッドでapply_asyncを呼び出すことができました。

に関するいくつかの優れたリソースmultiprocessing.dummy

https://docs.python.org/2/library/multiprocessing.html#module-multiprocessing.dummy

http://chriskiehl.com/article/parallelism-in-one-line/

于 2016-12-20T05:08:35.787 に答える
1

この単純なケースでsomeClass.fは、クラスからデータを継承せず、クラスに何もアタッチしない場合、考えられる解決策は分離することfです。これにより、次のように選択できます。

import multiprocessing


def f(x):
    return x*x


class someClass(object):
    def __init__(self):
        pass

    def go(self):
        pool = multiprocessing.Pool(processes=4)       
        print pool.map(f, range(10))
于 2018-03-23T18:14:11.463 に答える
1

別の関数を使用しないのはなぜですか?

def func(*args, **kwargs):
    return inst.method(args, kwargs)

print pool.map(func, arr)
于 2018-05-17T14:33:11.387 に答える
1

これと同じ問題が発生しましたが、これらのオブジェクトをプロセス間で移動するために使用できるJSONエンコーダーがあることがわかりました。

from pyVmomi.VmomiSupport import VmomiJSONEncoder

これを使用してリストを作成します。

jsonSerialized = json.dumps(pfVmomiObj, cls=VmomiJSONEncoder)

次に、マップされた関数で、これを使用してオブジェクトを回復します。

pfVmomiObj = json.loads(jsonSerialized)
于 2019-07-28T19:52:41.723 に答える
0

更新:この記事の執筆時点で、namedTuplesは選択可能です(python 2.7以降)

ここでの問題は、子プロセスがオブジェクトのクラス(この場合はクラスP)をインポートできないことです。マルチモデルプロジェクトの場合、クラスPは子プロセスが使用される場所であればどこでもインポートできる必要があります。

簡単な回避策は、globals()に影響を与えることでインポート可能にすることです。

globals()["P"] = P
于 2018-06-11T13:27:12.007 に答える
0

pathos.multiprocessing私のために働いた。

それはpool方法を持っており、とは異なりすべてをシリアル化しますmultiprocessing

import pathos.multiprocessing as mp
pool = mp.Pool(processes=2) 
于 2021-11-29T11:28:43.640 に答える