当产生一个新进程时，导入会发生啥？

Posted 2023-04-14

【中文标题】当产生一个新进程时，导入会发生啥？

【英文标题】：What happens to imports when a new process is spawned?当产生一个新进程时，导入会发生什么？

【发布时间】：2015-05-26 00:30:59

【问题描述】：

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？

【问题讨论】：

Py4J 作者在这里。如果您从不同的进程访问同一个网关，请不要这样做，因为您将与多个进程共享一个套接字 Py4J 并非旨在处理这种情况（尽管它是线程安全的）！相反，为每个进程创建一个新的网关实例。

如果我想要我的 java 程序的多个实例怎么办？那能实现吗？ （就像在新网关中为每个新的 multiprocessing.process 提供一个新的 java 实例一样）

可以，但是每个 Java 进程必须使用不同的端口（可以在创建 GatewayServer 时配置）

【参考方案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。

【讨论】：

不知道 Windows 如何使用多处理模块。真的很有趣

我很久以前就知道这个发布日期，但我有一个关于 windows 的问题。当您说它“重新导入”模块时，您的意思是它重新导入为 sys.modules 或作为新的导入？它们会共享相同的变量还是 Windows 将其作为独立模块导入？谢谢！

@Léo 这是一个全新的进口。 Windows 在子进程中重新执行__main__ 模块。

【参考方案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。

【讨论】：

我认为 windows 使用 spawn 是因为它没有 fork....对于 X 中的全局变量，我必须将它们传递给子进程，因为它们是空的。

@user2757902 没错。 Windows 上没有fork。在 Windows 上，子进程将重新导入该父进程的 __main__ 模块，以及需要导入的任何模块以取消您显式传递给子进程的任何参数，仅此而已。