使用带有列表的 pool.map 进行 Python 多处理

Question

我正在使用多处理处理 Python 代码。下面是代码

import multiprocessing
import os

def square(n):
    #logger.info("Worker process id for {0}: {1}".format(n, os.getpid()))
    logger.info("Evaluating square of the number {0}".format(n))
    print('process id of {0}: {1}'.format(n,os.getpid()))
    return (n * n)

if __name__ == "__main__":
    # input list
    mylist = [1, 2, 3, 4, 5,6,7,8,9,10]

    # creating a pool object
    p = multiprocessing.Pool(4)

    # map list to target function
    result = p.map(square, mylist)

    print(result)

我的服务器中的 CPU 核心数是 4。如果我使用 4，则只会启动单个进程。一般来说，它应该启动 4 个独立的进程，对吧？

如果我在下面的 Pool 对象中将值设置为 8 是我得到的响应

process id of 1: 25872

process id of 2: 8132

process id of 3: 1672

process id of 4: 27000

process id of 6: 25872

process id of 5: 20964

process id of 9: 25872

process id of 8: 1672

process id of 7: 8132

process id of 10: 27000

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

这启动了 5 个独立的进程 (25872,8132,1672,27000,20964)，即使只有 4 个 cpu 核心。

1. 我不明白为什么池在值为 4 时只启动了 1 个进程，而在值为 8 时启动了 5 个单独的进程。

2. 可以使用大于 CPU 内核数的值来实例化池对象吗？

3. 如果列表包含一百万条记录，那么在实例化池对象时我们应该使用的最佳值应该是多少？

我浏览过官方 python 文档，但找不到信息。 请帮忙

Answer 1

我们一一回答。

1. 我不明白为什么池在值为 4 时只启动了 1 个进程，而在值为 8 时启动了 5 个单独的进程。

池启动了 4 个进程。不要将您拥有的核心数误认为进程数，这是完全独立的。您有 5 个进程，因为最初的 python 进程也很重要。 因此，您从 ma​​in python 进程开始，它调用池来启动另外 4 个 进程，这就是其中的 5 个。 如果您看到只有少数进程正在使用，这意味着它们可能能够足够快地终止任务，因此不需要其他进程。

1. 可以使用大于 CPU 内核数的值来实例化池对象吗？

确实，您可以实例化任何您想要的数字（尽管可能存在某种限制，具体取决于操作系统）。但请注意，这只会使您的 CPU 过载。更多解释如下。

1. 如果列表包含一百万条记录，那么在实例化池对象时我们应该使用的最佳值应该是多少？

嗯，通常“最佳”是 CPU 的所有内核都完全被池使用。因此，如果您有 4 个核心，则 4 个进程 将是最佳选择，尽管有时这并不完全一样，它是一个很好的起始近似值。

最后一点，

我已经浏览过官方的python文档，但我找不到 信息。

这并不是真正的 python 特定的，它是 CS 中的一般行为。