使用 MongoDB 管理 Python 多处理

Question

我正在尝试使用多处理函数运行我的代码，但 mongo 不断返回

"MongoClient 在 fork 之前打开。创建 MongoClient 用 connect=False，或者fork后创建客户端。”

我真的不明白如何使我的代码适应这种情况。 基本上结构是：

db = MongoClient().database
db.authenticate('user', 'password', mechanism='SCRAM-SHA-1')
collectionW = db['words']
collectionT = db['sinMemo']
collectionL = db['sinLogic']


def findW(word):
    rows = collectionw.find({"word": word})
    ind = 0
    for row in rows:
        ind += 1
        id = row["_id"]

    if ind == 0:
        a = ind
    else:
        a = id
    return a



def trainAI(stri):
...
      if findW(word) == 0:

                _id = db['words'].insert(
                    {"_id": getNextSequence(db.counters, "nodeid"), "word": word})
                story = _id
            else:
                story = findW(word)
...


def train(index):
    # searching progress
    progFile = "./train/progress{0}.txt".format(index)
    trainFile = "./train/small_file_{0}".format(index)
    if os.path.exists(progFile):
        f = open(progFile, "r")
        ind = f.read().strip()
        if ind != "":

            pprint(ind)
            i = int(ind)
        else:
            pprint("No progress saved or progress lost!")
            i = 0
        f.close()

    else:
        i = 0
    #get the number of line of the file    
    rangeC = rawbigcount(trainFile)

    #fix unicode
    non_bmp_map = dict.fromkeys(range(0x10000, sys.maxunicode + 1), 0xfffd)
    files = io.open(trainFile, "r", encoding="utf8")
    str1 = ""
    str2 = ""

    filex = open(progFile, "w")

    with progressbar.ProgressBar(max_value=rangeC) as bar:
        for line in files:
            line = line.replace("\n", "")
            if i % 2 == 0:
                str1 = line.translate(non_bmp_map)
            else:
                str2 = line.translate(non_bmp_map)

            bar.update(i)
            trainAI(str1 + " " + str2)
            filex.seek(0)
            filex.truncate()
            filex.write(str(i))
            i += 1

#multiprocessing function

maxProcess = 3

def f(l, i):
    l.acquire()
    train(i + 1)
    l.release()

if __name__ == '__main__':
    lock = Lock()

    for num in range(maxProcess):
        pprint("start " + str(num))
        Process(target=f, args=(lock, num)).start()

此代码用于在 4 个不同的进程中读取 4 个不同的文件，同时将数据插入数据库中。 我只复制了部分代码，让你了解它的结构。

我已尝试将 connect=False 添加到此代码中，但没有...

  db = MongoClient(connect=False).database
  db.authenticate('user', 'password', mechanism='SCRAM-SHA-1')
  collectionW = db['words']
  collectionT = db['sinMemo']
  collectionL = db['sinLogic']

然后我尝试在 f 函数中移动它（就在 train() 之前，但我得到的是程序找不到 collectionW、collectionT 和 collectionL。

我不是python或mongodb的专家，所以我希望这不是一个愚蠢的问题。

代码在 Ubuntu 16.04.2 和 python 2.7.12 下运行

Answer 1

db.authenticate 必须连接到 mongo 服务器，它会尝试建立连接。因此，即使使用了 connect=False，db.authenticate 也需要打开连接。 为什么不在 fork 之后创建 mongo 客户端实例？这看起来是最简单的解决方案。

Answer 2

由于db.authenticate 必须打开 MongoClient 并连接到服务器，它创建的连接在分叉的子进程中不起作用。因此，错误消息。试试这个：

db = MongoClient('mongodb://user:password@localhost', connect=False).database

另外，删除锁定l。在一个子进程中获取锁对其他子进程没有影响。

Answer 3

这是我解决问题的方法：

import pathos.pools as pp
import time
import db_access

class MultiprocessingTest(object):

    def __init__(self):
        pass

    def test_mp(self):
        data = [[form,'form_number','client_id'] for form in range(5000)]

        pool = pp.ProcessPool(4)
        pool.map(db_access.insertData, data)

if __name__ == '__main__':

    time_i = time.time()

    mp = MultiprocessingTest()
    mp.test_mp()

    time_f = time.time()

    print 'Time Taken: ', time_f - time_i

这里是 db_access.py：

from pymongo import MongoClient

def insertData(form):
    client = MongoClient()
    db = client['TEST_001']
    db.initialization.insert({
        "form": form[0],
        "form_number": form[1],
        "client_id": form[2]
    })

这发生在您的代码上，因为您为所有子进程启动了一次 MongoCLient()。 MongoClient 不是分叉安全的。因此，在每个函数内部启动都可以，如果有其他解决方案，请告诉我。