如何将具有多个参数的函数传递给 python concurrent.futures.ProcessPoolExecutor.map()？

Question

我希望concurrent.futures.ProcessPoolExecutor.map() 调用包含 2 个或更多参数的函数。在下面的示例中，我使用了lambda 函数并将ref 定义为与numberlist 大小相等且值相同的数组。

第一个问题：有更好的方法吗？在 numberlist 的大小可以是百万到十亿个元素的情况下，因此 ref 大小必须遵循 numberlist，这种方法不必要地占用宝贵的内存，我想避免这种情况。我这样做是因为我读到了map 函数将终止其映射，直到到达最短的数组末端。

import concurrent.futures as cf

nmax = 10
numberlist = range(nmax)
ref = [5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
workers = 3


def _findmatch(listnumber, ref):    
    print('def _findmatch(listnumber, ref):')
    x=''
    listnumber=str(listnumber)
    ref = str(ref)
    print('listnumber = {0} and ref = {1}'.format(listnumber, ref))
    if ref in listnumber:
        x = listnumber
    print('x = {0}'.format(x))
    return x 

a = map(lambda x, y: _findmatch(x, y), numberlist, ref)
for n in a:
    print(n)
    if str(ref[0]) in n:
        print('match')

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    #for n in executor.map(_findmatch, numberlist):
    for n in executor.map(lambda x, y: _findmatch(x, ref), numberlist, ref):
        print(type(n))
        print(n)
        if str(ref[0]) in n:
            print('match')

运行上面的代码，我发现map 函数能够达到我想要的结果。但是，当我将相同的条款转移到 concurrent.futures.ProcessPoolExecutor.map() 时，python3.5 失败并出现此错误：

Traceback (most recent call last):
  File "/usr/lib/python3.5/multiprocessing/queues.py", line 241, in _feed
    obj = ForkingPickler.dumps(obj)
  File "/usr/lib/python3.5/multiprocessing/reduction.py", line 50, in dumps
    cls(buf, protocol).dump(obj)
_pickle.PicklingError: Can't pickle <function <lambda> at 0x7fd2a14db0d0>: attribute lookup <lambda> on __main__ failed

问题 2：为什么会出现这个错误，如何让 concurrent.futures.ProcessPoolExecutor.map() 调用具有多个参数的函数？

Answer 1

首先要回答您的第二个问题，您会遇到一个异常，因为您正在使用的 lambda 函数是不可提取的。由于 Python 使用pickle 协议来序列化主进程和ProcessPoolExecutor 的工作进程之间传递的数据，所以这是一个问题。目前尚不清楚您为什么要使用lambda。您拥有的 lambda 有两个参数，就像原始函数一样。您可以直接使用_findmatch 而不是lambda，它应该可以工作。

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(_findmatch, numberlist, ref):
        ...

关于传递第二个常量参数而不创建巨大列表的第一个问题，您可以通过多种方式解决这个问题。一种方法可能是使用itertools.repeat 创建一个可迭代对象，该对象在迭代时永远重复相同的值。

但更好的方法可能是编写一个额外的函数来为您传递常量参数。 （也许这就是您尝试使用 lambda 函数的原因？）如果您使用的函数可以在模块的顶级命名空间中访问，它应该可以工作：

def _helper(x):
    return _findmatch(x, 5)

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(_helper, numberlist):
        ...

Answer 2

(1) 无需列出。您可以使用itertools.repeat 创建一个只重复某个值的迭代器。

(2) 您需要将命名函数传递给map，因为它将传递给子进程执行。 map 使用 pickle 协议发送东西，lambdas 不能被腌制，因此它们不能成为地图的一部分。但它完全没有必要。您的 lambda 所做的只是调用带有 2 个参数的 2 参数函数。完全删除它。

工作代码是

import concurrent.futures as cf
import itertools

nmax = 10
numberlist = range(nmax)
workers = 3

def _findmatch(listnumber, ref):    
    print('def _findmatch(listnumber, ref):')
    x=''
    listnumber=str(listnumber)
    ref = str(ref)
    print('listnumber = {0} and ref = {1}'.format(listnumber, ref))
    if ref in listnumber:
        x = listnumber
    print('x = {0}'.format(x))
    return x 

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    #for n in executor.map(_findmatch, numberlist):
    for n in executor.map(_findmatch, numberlist, itertools.repeat(5)):
        print(type(n))
        print(n)
        #if str(ref[0]) in n:
        #    print('match')

Answer 3

关于您的第一个问题，我是否正确理解您想要传递一个参数，其值仅在您调用 map 时确定，但对于映射函数的所有实例都是常量？如果是这样，我将使用从“模板函数”派生的函数执行map，并使用functools.partial 将第二个参数（在您的示例中为ref）烘焙到其中：

from functools import partial
refval = 5

def _findmatch(ref, listnumber):  # arguments swapped
    ...

with cf.ProcessPoolExecutor(max_workers=workers) as executor:
    for n in executor.map(partial(_findmatch, refval), numberlist):
        ...

回复。问题 2，第一部分：我还没有找到尝试腌制（序列化）然后应该并行执行的函数的确切代码段，但这听起来很自然——不仅是参数，还有该函数必须以某种方式转移给 workers，并且可能必须为这种转移进行序列化。 partial 函数可以腌制而 lambdas 不能腌制这一事实在其他地方被提及，例如这里：https://stackoverflow.com/a/19279016/6356764。

回复。问题 2，第二部分：如果您想在 ProcessPoolExecutor.map 中调用具有多个参数的函数，您可以将函数作为第一个参数传递，然后是函数的第一个参数的可迭代，然后是函数的可迭代它的第二个参数等。在你的情况下：

for n in executor.map(_findmatch, numberlist, ref):
    ...