使用多处理 Pool.map() 时无法腌制 <type 'instancemethod'>

Question

我正在尝试使用multiprocessing 的Pool.map() 函数同时分配工作。当我使用以下代码时，它工作正常：

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()

但是，当我在更面向对象的方法中使用它时，它就不起作用了。它给出的错误信息是：

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

当以下是我的主程序时会发生这种情况：

import someClass

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

以下是我的someClass类：

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))

任何人都知道问题可能是什么，或者解决它的简单方法？

Answer 1

pathos.multiprocessing 为我工作。

它有一个pool 方法并序列化所有与multiprocessing 不同的东西

import pathos.multiprocessing as mp
pool = mp.Pool(processes=2) 

Answer 2

我遇到了同样的问题，但发现有一个 JSON 编码器可用于在进程之间移动这些对象。

from pyVmomi.VmomiSupport import VmomiJSONEncoder

使用它来创建您的列表：

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

然后在映射函数中，使用this来恢复对象：

pfVmomiObj = json.loads(jsonSerialized)

Answer 3

上面parisjohn 的解决方案对我很有效。此外，代码看起来干净且易于理解。在我的例子中，有几个函数可以使用 Pool 调用，所以我在下面修改了 parisjohn 的代码。我做了 call 以便能够调用多个函数，并且函数名在来自go() 的参数dict 中传递：

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()

Answer 4

更新：在撰写本文时，namedTuples 是可选的（从 python 2.7 开始）

这里的问题是子进程无法导入对象的类 - 在这种情况下是类 P-，在多模型项目的情况下，类 P 应该可以在子进程的任何地方导入习惯了

一种快速的解决方法是通过将其影响到 globals() 来使其可导入

globals()["P"] = P

Answer 5

为什么不使用单独的函数？

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

print pool.map(func, arr)

Answer 6

在这个简单的情况下，someClass.f 没有从类继承任何数据，也没有将任何东西附加到该类，一个可能的解决方案是分离出f，因此它可以被腌制：

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))

Answer 7

所有这些解决方案都很丑陋，因为除非您跳出标准库，否则多处理和酸洗会受到破坏和限制。

如果使用multiprocessing 的fork 称为pathos.multiprocesssing，则可以直接在多处理的map 函数中使用类和类方法。这是因为dill 被用来代替pickle 或cPickle，而dill 在python 中几乎可以序列化任何东西。

pathos.multiprocessing 还提供了一个异步映射函数……它可以map 具有多个参数的函数（例如map(math.pow, [1,2,3], [4,5,6])）

见： What can multiprocessing and dill do together?

和： 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]

明确地说，您可以一开始就完全按照自己的意愿去做，如果您愿意，也可以通过解释器来做。

>>> 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]
>>> 

在此处获取代码： https://github.com/uqfoundation/pathos

Answer 8

问题是多处理必须腌制事物以将它们吊在进程之间，并且绑定的方法是不可腌制的。解决方法（无论您是否认为它“简单”；-）是将基础架构添加到您的程序中以允许对此类方法进行腌制，并使用 copy_reg 标准库方法注册它。

例如，Steven Bethard 对this thread 的贡献（接近线程的末尾）展示了一种完全可行的方法来允许通过copy_reg 进行方法酸洗/取消酸洗。

Answer 9

您还可以在someClass() 中定义一个__call__() 方法，该方法调用someClass.go()，然后将someClass() 的实例传递给池。这个对象是可腌制的，它工作正常（对我来说）......

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()

Answer 10

一个潜在的简单解决方案是改用multiprocessing.dummy。这是多处理接口的基于线程的实现，在 Python 2.7 中似乎没有这个问题。我在这里没有太多经验，但是这个快速的导入更改允许我在类方法上调用 apply_async。

multiprocessing.dummy上的一些好资源：

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

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

Answer 11

您可以使用另一种快捷方式，尽管它可能效率低下，具体取决于您的类实例中的内容。

正如大家所说的那样，问题在于multiprocessing 代码必须腌制它发送到它已启动的子进程的东西，而腌制器不执行实例方法。

但是，您可以不发送实例方法，而是将实际的类实例以及要调用的函数的名称发送到普通函数，然后使用getattr 调用实例方法，从而创建Pool 子进程中的绑定方法。这类似于定义__call__ 方法，只是可以调用多个成员函数。

从他的答案中窃取@EricH.的代码并对其进行一些注释（我重新输入了它，因此所有名称都发生了变化等等，出于某种原因，这似乎比剪切和粘贴更容易:-)）以说明所有魔法：

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)

输出显示，实际上，构造函数被调用了一次（在原始 pid 中），而析构函数被调用了 9 次（每个副本制作一次 = 每个 pool-worker-process 需要 2 或 3 次，再加上一次在原始过程中）。这通常没问题，因为在这种情况下，默认pickler 会复制整个实例并（半）秘密地重新填充它——在这种情况下，这样做：

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

——这就是为什么即使在三个工作进程中调用了八次析构函数，它每次都从 1 倒数到 0 ——当然，这样你仍然会遇到麻烦。如有需要，您可以提供自己的__setstate__：

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

以这种情况为例。

Answer 12

尽管 Steven Bethard 的解决方案存在一些限制：

当你将你的类方法注册为一个函数时，你的类的析构函数会在每次你的方法处理完成时被调用。因此，如果您有 1 个类的实例调用其方法的 n 次，则成员可能会在 2 次运行之间消失，并且您可能会收到一条消息 malloc: *** error for object 0x...: pointer being freed was not allocated（例如打开成员文件）或 pure virtual method called, terminate called without an active exception（这意味着比成员的生命周期我使用的对象比我想象的要短）。我在处理大于池大小的 n 时得到了这个。这是一个简短的例子：

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)

输出：

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

__call__ 方法不是那么等效，因为 [None,...] 是从结果中读取的：

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 !

所以这两种方法都不令人满意...

Answer 13

您还可以在someClass() 中定义__call__() 方法，该方法调用someClass.go()，然后将someClass() 的实例传递给池。这个对象是可腌制的，它工作正常（对我来说）......