在Python中将多个参数传递给pool.map（）函数[重复]

Posted 2023-02-16

【中文标题】在Python中将多个参数传递给pool.map（）函数[重复]

【英文标题】：Passing multiple parameters to pool.map() function in Python [duplicate]

【发布时间】：2014-10-22 14:49:55

【问题描述】：

我需要一些方法来使用 pool.map() 中接受多个参数的函数。根据我的理解， pool.map() 的目标函数只能有一个可迭代的参数，但有没有办法可以传递其他参数？在这种情况下，我需要传入一些配置变量，例如我的 Lock() 和日志信息到目标函数。

我试图做一些研究，我认为我可以使用部分函数来让它工作？但是我不完全理解这些是如何工作的。任何帮助将不胜感激！这是我想做的一个简单示例：

def target(items, lock):
    for item in items:
        # Do cool stuff
        if (... some condition here ...):
            lock.acquire()
            # Write to stdout or logfile, etc.
            lock.release()

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    pool.map(target(PASS PARAMS HERE), iterable)
    pool.close()
    pool.join()

【问题讨论】：

在这里讨论过：***.com/questions/5442910/…（我已经成功使用了 J.F. Sebastien 的“star”方法）

请在使用多处理时使用 try/finally 子句，并在 finally 中使用 close() 和 join() 以确保在发生错误时关闭进程。 ***.com/questions/30506489/…

@zeehio 不应该是自动的吗？

@endolith 应该，但通常不是。如果主 python 程序结束，它的所有子程序都被杀死/回收，但如果主程序继续运行（例如，因为并行化组件是整个程序的一小部分），你将需要一些东西（例如 try/finally）来确保所有进程被终止。

不要使用 close()，在上下文中使用池：使用 multiProc.Pool(3) 作为 my_pool：

【参考方案1】：

您可以为此使用functools.partial（正如您所怀疑的那样）：

from functools import partial

def target(lock, iterable_item):
    for item in iterable_item:
        # Do cool stuff
        if (... some condition here ...):
            lock.acquire()
            # Write to stdout or logfile, etc.
            lock.release()

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    l = multiprocessing.Lock()
    func = partial(target, l)
    pool.map(func, iterable)
    pool.close()
    pool.join()

例子：

def f(a, b, c):
    print("  ".format(a, b, c))

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    a = "hi"
    b = "there"
    func = partial(f, a, b)
    pool.map(func, iterable)
    pool.close()
    pool.join()

if __name__ == "__main__":
    main()

输出：

hi there 1
hi there 2
hi there 3
hi there 4
hi there 5

【讨论】：

太棒了，我想我所需要的只是一个像这样的清晰示例。非常感谢！

很好的例子。不过有一个问题：为什么target 的定义中有for item in items:？

@Jean-FrancoisT。复制/粘贴错误！感谢您指出。

锁有问题的，请查看***.com/questions/25557686/…

如果变量在第一位怎么办？比如test(input, p1, p2, p3=None)，我有p1, p2, p3固定，input变化？

【参考方案2】：

您可以使用允许多个参数的 map 函数，就像在 pathos 中找到的 multiprocessing 的分支一样。

>>> from pathos.multiprocessing import ProcessingPool as Pool
>>> 
>>> def add_and_subtract(x,y):
...   return x+y, x-y
... 
>>> res = Pool().map(add_and_subtract, range(0,20,2), range(-5,5,1))
>>> res
[(-5, 5), (-2, 6), (1, 7), (4, 8), (7, 9), (10, 10), (13, 11), (16, 12), (19, 13), (22, 14)]
>>> Pool().map(add_and_subtract, *zip(*res))
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

pathos 使您能够轻松嵌套具有多个输入的分层并行映射，因此我们可以扩展我们的示例来演示这一点。

>>> from pathos.multiprocessing import ThreadingPool as TPool
>>> 
>>> res = TPool().amap(add_and_subtract, *zip(*Pool().map(add_and_subtract, range(0,20,2), range(-5,5,1))))
>>> res.get()
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

更有趣的是，构建一个可以传递到池中的嵌套函数。 这是可能的，因为pathos 使用了dill，它可以序列化python 中的几乎任何东西。

>>> def build_fun_things(f, g):
...   def do_fun_things(x, y):
...     return f(x,y), g(x,y)
...   return do_fun_things
... 
>>> def add(x,y):
...   return x+y
... 
>>> def sub(x,y):
...   return x-y
... 
>>> neato = build_fun_things(add, sub)
>>> 
>>> res = TPool().imap(neato, *zip(*Pool().map(neato, range(0,20,2), range(-5,5,1))))
>>> list(res)
[(0, -10), (4, -8), (8, -6), (12, -4), (16, -2), (20, 0), (24, 2), (28, 4), (32, 6), (36, 8)]

但是，如果您无法脱离标准库，则必须以另一种方式进行。在这种情况下，您最好的选择是使用multiprocessing.starmap，如下所示：Python multiprocessing pool.map for multiple arguments（@Roberto 在 OP 帖子的 cmets 中指出）

在此处获取pathos：https://github.com/uqfoundation

【参考方案3】：

如果您无权访问functools.partial，您也可以为此使用包装函数。

def target(lock):
    def wrapped_func(items):
        for item in items:
            # Do cool stuff
            if (... some condition here ...):
                lock.acquire()
                # Write to stdout or logfile, etc.
                lock.release()
    return wrapped_func

def main():
    iterable = [1, 2, 3, 4, 5]
    pool = multiprocessing.Pool()
    lck = multiprocessing.Lock()
    pool.map(target(lck), iterable)
    pool.close()
    pool.join()

这使得target() 成为一个接受锁（或您想要提供的任何参数）的函数，并且它将返回一个只接受可迭代作为输入的函数，但仍然可以使用您的所有其他参数。这就是最终传递给pool.map() 的内容，然后应该可以毫无问题地执行。

【讨论】：

我在这方面已经很晚了，但是这段代码不起作用，因为嵌套函数不能被腌制。调用target(lck) 返回嵌套的wrapped_func 函数，需要腌制才能传递给工作进程，并且总是会失败。