如何使用 aiofiles 异步腌制大量文件？

Question

我有一个我想写的列表，data，每个项目都有一个文件，如下所示：

for i,chunk in enumerate(data):
    fname = ROOT / f'{i}.in'
    with open(fname, "wb") as fout:
        dill.dump(chunk, fout)

由于数据列表可能很长，并且我正在写入网络存储位置，因此我花费大量时间等待 NFS 中的迭代，如果可能。

我现在的东西基本上是这样的：

import dill
import asyncio
import aiofiles
from pathlib import Path

ROOT = Path("/tmp/")

data = [str(i) for i in range(500)]

def serialize(data):
  """
  Write my data out in serial
  """
  for i,chunk in enumerate(data):
    fname = ROOT / f'{i}.in'
    print(fname)
    with open(fname, "wb") as fout:
        dill.dump(chunk, fout)

def aserialize(data):
  """
  Same as above, but writes my data out asynchronously
  """
  fnames = [ROOT / f'{i}.in' for i in range(len(data))]
  chunks = data
  async def write_file(i):
    fname = fnames[i]
    chunk = chunks[i]
    print(fname)
    async with aiofiles.open(fname, "wb") as fout:
        print(f"written: {i}")
        dill.dump(chunk, fout)
        await fout.flush()
  loop = asyncio.get_event_loop()
  loop.run_until_complete(asyncio.gather(*[write_file(i) for i in range(len(data))]))

现在，当我测试写入时，这看起来足够快，值得在我的 NFS 上使用：

# test 1
start = datetime.utcnow()
serialize(data)
end = datetime.utcnow()
print(end - start)
# >>> 0:02:04.204681

# test 3
start = datetime.utcnow()
aserialize(data)
end = datetime.utcnow()
print(end - start)
# >>> 0:00:27.048893
# faster is better.

但是当我真正 /de/-serialize 我写的数据时，我发现它可能很快，因为它没有写任何东西：

def deserialize(dat):
  tmp = []
  for i in range(len(dat)):
    fname = ROOT / f'{i}.in'
    with open(fname, "rb") as fin:
      fo = dill.load(fin)
    tmp.append(fo)
  return tmp

serialize(data)
d2 = deserialize(data)
d2 == data
# True

好，然而：

aserialize(data)
d3 = deserialize(data)
>>> Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 6, in deserialize
  File "...python3.7/site-packages/dill/_dill.py", line 305, in load
    obj = pik.load()
EOFError: Ran out of input

即异步写入的文件为空。难怪这么快。

我怎样才能将我的列表异步地挖掘/腌制到文件中并让它们实际写入？我想我需要以某种方式等待 dill.dump 吗？我以为 fout.flush 会处理这个问题，但似乎没有。

Answer 1

我将dill.dump(chunk, fout) 行更改为await fout.write(dill.dumps(chunk))，并将数据写入文件并正确反序列化。似乎dill.dump 仅适用于调用file.write 方法而没有await 关键字的常规同步文件。