Python 在进程之间共享锁

Question

我正在尝试使用部分函数，​​以便 pool.map() 可以针对具有多个参数的函数（在本例中为 Lock() 对象）。

这是示例代码（取自我上一个问题的答案）：

from functools import partial

def target(lock, iterable_item):
    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()
    l = multiprocessing.Lock()
    func = partial(target, l)
    pool.map(func, iterable)
    pool.close()
    pool.join()

但是，当我运行此代码时，出现错误：

Runtime Error: Lock objects should only be shared between processes through inheritance.

我在这里缺少什么？ 如何在我的子进程之间共享锁？

Answer 1

您不能将普通的multiprocessing.Lock对象传递给Pool方法，因为它们不能被腌制。 有两种方法可以解决这个问题。 一种是创建Manager()并传递一个Manager.Lock() ：

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

不过，这有点重量级； 使用Manager需要生成另一个进程来托管Manager服务器。 并且所有acquire / release锁的调用都必须通过 IPC 发送到该服务器。

另一个选项是在池创建时使用initializer kwarg 传递常规multiprocessing.Lock() 。 这将使您的锁实例在所有子工作者中全局化：

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

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

第二种解决方案的副作用是不再需要partial 。

Answer 2

这是一个版本（使用Barrier而不是Lock ，但你明白了）它也可以在 Windows 上运行（丢失的fork会导致额外的麻烦）：

import multiprocessing as mp

def procs(uid_barrier):
    uid, barrier = uid_barrier
    print(uid, 'waiting')
    barrier.wait()
    print(uid, 'past barrier')    

def main():
    N_PROCS = 10
    with mp.Manager() as man:
        barrier = man.Barrier(N_PROCS)
        with mp.Pool(N_PROCS) as p:
            p.map(procs, ((uid, barrier) for uid in range(N_PROCS)))

if __name__ == '__main__':
    mp.freeze_support()
    main()