Python多处理：如何限制等待进程的数量？

Question

当使用 Pool.apply_async 运行大量任务（带有大参数）时，进程被分配并进入等待状态，等待进程的数量没有限制。最终会吃掉所有内存，如下例所示：

import multiprocessing
import numpy as np

def f(a,b):
    return np.linalg.solve(a,b)

def test():

    p = multiprocessing.Pool()
    for _ in range(1000):
        p.apply_async(f, (np.random.rand(1000,1000),np.random.rand(1000)))
    p.close()
    p.join()

if __name__ == '__main__':
    test()

我正在寻找一种限制等待队列的方法，即只有有限数量的等待进程，并且 Pool.apply_async 在等待队列已满时被阻塞。

Answer 1

这是最佳答案的猴子修补替代方案：

import queue
from multiprocessing.pool import ThreadPool as Pool


class PatchedQueue():
  """
  Wrap stdlib queue and return a Queue(maxsize=...)
  when queue.SimpleQueue is accessed
  """

  def __init__(self, simple_queue_max_size=5000):
    self.simple_max = simple_queue_max_size  

  def __getattr__(self, attr):
    if attr == "SimpleQueue":
      return lambda: queue.Queue(maxsize=self.simple_max)
    return getattr(queue, attr)


class BoundedPool(Pool):
  # Override queue in this scope to use the patcher above
  queue = PatchedQueue()

pool = BoundedPool()
pool.apply_async(print, ("something",))

这在 Python 3.8 中按预期工作，其中多处理池使用 queue.SimpleQueue 设置任务队列。听起来multiprocessing.Pool 的实现可能自 2.7 以来发生了变化

Answer 2

等待pool._taskqueue 是否超过所需大小：

import multiprocessing
import time

import numpy as np


def f(a,b):
    return np.linalg.solve(a,b)

def test(max_apply_size=100):
    p = multiprocessing.Pool()
    for _ in range(1000):
        p.apply_async(f, (np.random.rand(1000,1000),np.random.rand(1000)))

        while p._taskqueue.qsize() > max_apply_size:
            time.sleep(1)

    p.close()
    p.join()

if __name__ == '__main__':
    test()

Answer 3

在这种情况下，您可以使用 maxsize 参数添加显式队列并使用 queue.put() 而不是 pool.apply_async()。然后工作进程可以：

for a, b in iter(queue.get, sentinel):
    # process it

如果您想将内存中创建的输入参数/结果的数量限制为大约活动工作进程的数量，那么您可以使用pool.imap*() 方法：

#!/usr/bin/env python
import multiprocessing
import numpy as np

def f(a_b):
    return np.linalg.solve(*a_b)

def main():
    args = ((np.random.rand(1000,1000), np.random.rand(1000))
            for _ in range(1000))
    p = multiprocessing.Pool()
    for result in p.imap_unordered(f, args, chunksize=1):
        pass
    p.close()
    p.join()

if __name__ == '__main__':
    main()

Answer 4

multiprocessing.Pool 有一个_taskqueue 类型为multiprocessing.Queue 的成员，它接受一个可选的maxsize 参数；不幸的是，它在没有maxsize 参数集的情况下构造它。

我建议使用multiprocessing.Pool.__init__ 的复制粘贴将multiprocessing.Pool 子类化，从而将maxsize 传递给_taskqueue 构造函数。

猴子修补对象（池或队列）也可以，但你必须猴子修补 pool._taskqueue._maxsize 和 pool._taskqueue._sem 所以它会很脆弱：

pool._taskqueue._maxsize = maxsize
pool._taskqueue._sem = BoundedSemaphore(maxsize)