当产生一个新进程时，导入会发生什么？

Question

生成新进程时，导入的模块变量会发生什么情况？

IE

with concurrent.futures.ProcessPoolExecutor(max_workers=settings.MAX_PROCESSES) as executor:
    for stuff in executor.map(foo, paths):

地点：

  def foo(str):
  x = someOtherModule.fooBar()

foobar 正在访问在 someOtherModule 开头声明的内容：

someOtherModule.py:

 myHat='green'
 def fooBar():
   return myHat

具体来说，我有一个模块（称为 Y），它在顶部初始化了一个 py4j 网关，在任何函数之外。在模块 X 中，我一次加载多个文件，加载后对数据进行排序的函数使用 Y 中的函数，该函数又使用网关。

这个设计是pythonic吗？ 我应该在每个新进程生成后导入我的 Y 模块吗？或者有更好的方法吗？

Answer 1

在 Linux 上，fork 将用于生成子级，因此父级全局​​范围内的任何内容也将在子级中可用，具有写时复制语义。

在 Windows 上，您在父进程的 __main__ 模块中的模块级别 import 将在子进程中重新导入。

这意味着如果你有一个父模块（我们称之为someModule），如下所示：

import someOtherModule
import concurrent.futures

def foo(str):
    x = someOtherModule.fooBar()

if __name__ == "__main__":
    with concurrent.futures.ProcessPoolExecutor(max_workers=settings.MAX_PROCESSES) as executor:
        for stuff in executor.map(foo, paths):
            # stuff

而someOtherModule 看起来像这样：

myHat='green'
def fooBar():
    return myHat

在本例中，someModule 是脚本的__main__ 模块。因此，在 Linux 上，您在子节点中获得的 myHat 实例将是 someModule 中实例的写时复制版本。在 Windows 上，每个子进程将在加载后立即重新导入 someModule，这将导致 someOtherModule 也被重新导入。

我对 py4j Gateway 对象知之甚少，无法确定您是否确定这是您想要的行为。如果Gateway 对象是可腌制的，您可以将其显式传递给每个孩子，但您必须使用multiprocessing.Pool 而不是concurrent.futures.ProcessPoolExecutor：

import someOtherModule
import multiprocessing

def foo(str):
    x = someOtherModule.fooBar()

def init(hat):
    someOtherModule.myHat = hat

if __name__ == "__main__":
    hat = someOtherModule.myHat
    pool = multiprocessing.Pool(settings.MAX_PROCESSES,
                                initializer=init, initargs=(hat,))
    for stuff in pool.map(foo, paths):
            # stuff

不过，您似乎不需要为您的用例执行此操作。使用重新导入可能没问题。

Answer 2

当您创建一个新进程时，会调用fork()，它会克隆整个进程和堆栈、内存空间等。这就是为什么认为多处理比多线程更昂贵，因为复制成本很高。

所以为了回答你的问题，所有“导入的模块变量”都被克隆了。您可以随意修改它们，但您的原始父进程不会看到此更改。

编辑： 这仅适用于基于 Unix 的系统。请参阅 Dano 对 Unix+Windows 的回答。