Question

我正在使用multiprocessing.Pool()

这是我想要的池：

def insert_and_process(file_to_process,db):
    db = DAL("path_to_mysql" + db)
    #Table Definations
    db.table.insert(**parse_file(file_to_process))
    return True

if __name__=="__main__":
    file_list=os.listdir(".")
    P = Pool(processes=4)
    P.map(insert_and_process,file_list,db) # here having problem.

我想传递2个参数我想要做的是初始化只有4个DB连接（这里将尝试在每个函数调用上创建连接，因此可能有数百万个连接并导致IO Freezed to death）。如果我可以为每个进程创建4个数据库连接和1个，那么就可以了。

Pool有什么解决方案吗？或者我应该放弃它？

编辑：

在你的帮助下，我通过这样做得到了这个：

args=zip(f,cycle(dbs))
Out[-]: 
[('f1', 'db1'),
 ('f2', 'db2'),
 ('f3', 'db3'),
 ('f4', 'db4'),
 ('f5', 'db1'),
 ('f6', 'db2'),
 ('f7', 'db3'),
 ('f8', 'db4'),
 ('f9', 'db1'),
 ('f10', 'db2'),
 ('f11', 'db3'),
 ('f12', 'db4')]

所以在这里它将如何工作，我将DB连接代码移到主要级别并执行此操作：

def process_and_insert(args):

    #Table Definations
    args[1].table.insert(**parse_file(args[0]))
    return True

if __name__=="__main__":
    file_list=os.listdir(".")
    P = Pool(processes=4)

    dbs = [DAL("path_to_mysql/database") for i in range(0,3)]
    args=zip(file_list,cycle(dbs))
    P.map(insert_and_process,args) # here having problem.

是的，我会测试一下，让你们知道。

Answer 1

Pool文档没有提到将多个参数传递给目标函数的方法 - 我尝试过传递一个序列，但是没有展开（每个参数的一个序列项））。

但是，您可以编写目标函数以期望第一个（也是唯一的）参数为元组，其中每个元素都是您期望的参数之一：

from itertools import repeat

def insert_and_process((file_to_process,db)):
    db = DAL("path_to_mysql" + db)
    #Table Definations
    db.table.insert(**parse_file(file_to_process))
    return True

if __name__=="__main__":
    file_list=os.listdir(".")
    P = Pool(processes=4)
    P.map(insert_and_process,zip(file_list,repeat(db)))

（注意insert_and_process定义中的额外括号 - python将其视为应该是2项序列的单个参数。序列的第一个元素归因于第一个变量，另一个归因于第一个变量到第二个）

Answer 2

您的池将生成四个进程，每个进程由它自己的Python解释器实例运行。您可以使用全局变量来保存数据库连接对象，以便每个进程只创建一个连接：

global_db = None

def insert_and_process(file_to_process, db):
    global global_db
    if global_db is None:
        # If this is the first time this function is called within this
        # process, create a new connection.  Otherwise, the global variable
        # already holds a connection established by a former call.
        global_db = DAL("path_to_mysql" + db)
    global_db.table.insert(**parse_file(file_to_process))
    return True

由于Pool.map()和朋友只支持单参数工作器函数，因此需要创建一个转发工作的包装器：

def insert_and_process_helper(args):
    return insert_and_process(*args)

if __name__ == "__main__":
    file_list=os.listdir(".")
    db = "wherever you get your db"
    # Create argument tuples for each function call:
    jobs = [(file, db) for file in file_list]
    P = Pool(processes=4)
    P.map(insert_and_process_helper, jobs)

Answer 3

无需使用拉链。例如，如果您有两个参数x和y，并且每个参数都可以获得多个值，例如：

X=range(1,6)
Y=range(10)

该函数应该只获取一个参数，并将其解压缩到内部：

def func(params):
    (x,y)=params
    ...

你这样称呼它：

params = [(x,y) for x in X for y in Y]
pool.map(func, params)

Answer 4

使用

params=[(x,y) for x in X for y in Y]

您创建了x和y的完整副本，这可能比使用

更慢

from itertools import repeat
P.map(insert_and_process,zip(file_list,repeat(db)))

Answer 5

您可以使用

from functools import partial

为此目的的图书馆

像

func = partial(rdc, lat, lng)
r = pool.map(func, range(8))

和

def rdc(lat,lng,x):
    pass

multiprocessing.pool.map和带有两个参数的函数

5 个答案: