Question

我通过使用多处理改进了我的执行时间，但我不确定PC的行为是否正确，它会冻结系统直到所有进程完成。我使用的是Windows 7和Python 2.7。

也许我犯了一个错误，这就是我所做的：

def do_big_calculation(sub_list, b, c):
    # do some calculations here with the sub_list

if __name__ == '__main__':
    list = [[1,2,3,4], [5,6,7,8], [9,10,11,12]]
    jobs = []
    for sub_l in list :
        j = multiprocessing.Process(target=do_big_calculation, args=(sub_l, b, c))
        jobs.append(j)
    for j in jobs:
        j.start()

Answer 1

在这里，您要为每项任务创建1 Process。这将并行运行您的所有任务，但由于您的调度程序需要管理许多进程，因此会给您的计算机带来沉重的开销。这会导致系统冻结，因为您的程序使用了太多的资源。

此处的解决方案可能是使用multiprocessing.Pool同时执行某些任务来运行给定数量的进程：

import multiprocessing as mp

def do_big_calculation(args):
    sub_list, b, c = args
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    pool = mp.Pool(4)
    result = pool.map(do_big_calculation, ll)
    pool.terminate()
    print(result)

如果您准备使用第三方库，您还可以查看concurrent.futures（您需要在python2.7中安装它，但它存在于python3.4 +中）或joblib （提供点子）：

from joblib import Parallel, delayed

def do_big_calculation(sub_list, b, c):
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    result = Parallel(n_jobs=-1)(
        delayed(do_big_calculation)(l, b, c) for l in ll)
    print(result)

这种库的主要优点是它正在开发，而python2.7中的multiprocessing被冻结了。因此，相对经常有错误修复和改进它还实现了一些聪明的工具来减少计算开销。例如，它使用大型numpy数组的内存映射（减少启动所有作业的内存占用量）。

多处理冻结计算机

1 个答案: