为什么`multiprocessing.Queue.get`这么慢？

Question

我需要帮助来理解multiprocessing.Queue。我面临的问题是，与对queue.put(...) 和队列缓冲区（双端队列）的调用相比，从queue.get(...) 获取结果非常落后。

这种泄漏的抽象使我研究了队列的内部结构。它直截了当的source code 只是将我指向deque implementation，这似乎也很简单，以至于我无法用它来解释我所看到的行为。我还读到 Queue 使用管道，但我似乎无法在源代码中找到它。

我已将其归结为重现问题的最小示例，并在其下方指定可能的输出。

import threading
import multiprocessing
import queue

q = None
def enqueue(item):
    global q
    if q is None:
        q = multiprocessing.Queue()
        process = threading.Thread(target=worker, args=(q,))  # or multiprocessing.Process Doesn't matter
        process.start()
    q.put(item)
    print(f'len putted item: {len(item)}. qsize: {q.qsize()}. buffer len: {len(q._buffer)}')


def worker(local_queue):
    while True:
        try:
            while True:  # get all items
                item = local_queue.get(block=False)
                print(f'len got item: {len(item)}. qsize: {q.qsize()}. buffer len: {len(q._buffer)}')
        except queue.Empty:
            print('empty')


if __name__ == '__main__':
    for i in range(1, 100000, 1000):
        enqueue(list(range(i)))

输出：

empty
empty
empty
len putted item: 1. qsize: 1. buffer len: 1
len putted item: 1001. qsize: 2. buffer len: 2
len putted item: 2001. qsize: 3. buffer len: 1
len putted item: 3001. qsize: 4. buffer len: 2
len putted item: 4001. qsize: 5. buffer len: 3
len putted item: 5001. qsize: 6. buffer len: 4
len putted item: 6001. qsize: 7. buffer len: 5
len putted item: 7001. qsize: 8. buffer len: 6
len putted item: 8001. qsize: 9. buffer len: 7
len putted item: 9001. qsize: 10. buffer len: 8
len putted item: 10001. qsize: 11. buffer len: 9
len putted item: 11001. qsize: 12. buffer len: 10
len putted item: 12001. qsize: 13. buffer len: 11
len putted item: 13001. qsize: 14. buffer len: 12
len putted item: 14001. qsize: 15. buffer len: 13
len putted item: 15001. qsize: 16. buffer len: 14
len got item: 1. qsize: 15. buffer len: 14
len putted item: 16001. qsize: 16. buffer len: 15
len putted item: 17001. qsize: 17. buffer len: 16
len putted item: 18001. qsize: 18. buffer len: 17
len putted item: 19001. qsize: 19. buffer len: 18
len putted item: 20001. qsize: 20. buffer len: 19
len putted item: 21001. qsize: 21. buffer len: 20
len putted item: 22001. qsize: 22. buffer len: 21
len putted item: 23001. qsize: 23. buffer len: 22
len putted item: 24001. qsize: 24. buffer len: 23
len putted item: 25001. qsize: 25. buffer len: 24
len putted item: 26001. qsize: 26. buffer len: 25
len putted item: 27001. qsize: 27. buffer len: 26
len putted item: 28001. qsize: 28. buffer len: 27
len got item: 1001. qsize: 27. buffer len: 27
empty
len putted item: 29001. qsize: 28. buffer len: 28
empty
empty
empty
len got item: 2001. qsize: 27. buffer len: 27
empty
len putted item: 30001. qsize: 28. buffer len: 28

我希望您注意以下结果：插入元素 28001 后，worker 发现队列中没有剩余元素，而还有几十个元素。由于同步，我可以只获取除少数之外的所有内容。但它只能找到两个！

这种模式还在继续。

这似乎与我放入队列的对象的大小有关。对于小对象，比如i 而不是list(range(i))，则不会出现此问题。但是所讨论的对象的大小仍然是千字节，不足以让如此严重的延迟有尊严（在我的真实世界非最小示例中，这很容易花费几分钟）

我的具体问题是：如何在 Python 中的进程之间共享（不是这样）大量数据？ 另外，我想知道在 Queue 的内部实现中，这种迟缓是从哪里来的

Answer 1

对于未来的读者，您也可以尝试使用：

q = multiprocessing.Manager().Queue()

不仅仅是

q = multiprocessing.Queue()

我还没有完全提炼和理解这种行为背后的机制，但我读过一个source 声称它是关于：

"当将大项目推入队列时，项目本质上是 缓冲，尽管队列的 put 函数立即返回。"

作者继续解释更多关于它和修复方法，但对我来说，添加管理器让这个技巧变得简单而干净。

更新：我相信this StackOverflow answer 有助于解释问题。

在接受的答案中提到的 FMQ 也是 Python2 独有的，这也是我觉得这个答案有一天可能会帮助更多人的原因之一。

Answer 2

我也遇到了这个问题。我正在发送大型 numpy 数组（~300MB），它在 mp.queue.get() 处太慢了。

在查看了 mp.Queue 的 python2.7 源代码后，我发现最慢的部分（在类 unix 系统上）是 socket_connection.c 中的 _conn_recvall()，但我并没有深入研究。

为了解决这个问题，我构建了一个实验包FMQ。

这个项目的灵感来自于 multiprocessing.Queue (mp.Queue) 的使用。由于管道的速度限制（在类 Unix 系统上），mp.Queue 对于大型数据项很慢。

通过 mp.Queue 处理进程间传输，FMQ 实现了一个窃取线程，一旦任何项目可用，该线程就会从 mp.Queue 中窃取一个项目，并将其放入 Queue.Queue。然后，消费者进程可以立即从 Queue.Queue 中获取数据。

加速是基于假设生产者和消费者进程都是计算密集型的（因此需要多处理）并且数据很大（例如>50 227x227 图像）。否则 mp.Queue 与多处理或 Queue.Queue 与线程就足够了。

fmq.Queue 像 mp.Queue 一样易于使用。

注意还有一些Known Issues，因为这个项目还处于早期阶段。