![](/img/trans.png)
[英]python multiprocessing on windows, if __name__ == “__main__”
[英]Workaround for using __name__=='__main__' in Python multiprocessing
众所周知,我们需要在使用if __name__ == '__main__'
在Python中使用multiprocessing
运行代码时保护main()
。
我理解在某些情况下这是必要的,以提供对main中定义的函数的访问,但我不明白为什么在这种情况下这是必要的:
file2.py
import numpy as np
from multiprocessing import Pool
class Something(object):
def get_image(self):
return np.random.rand(64,64)
def mp(self):
image = self.get_image()
p = Pool(2)
res1 = p.apply_async(np.sum, (image,))
res2 = p.apply_async(np.mean, (image,))
print(res1.get())
print(res2.get())
p.close()
p.join()
main.py
from file2 import Something
s = Something()
s.mp()
Something
工作所需的所有函数或导入都是file2.py
一部分。 为什么子main.py
需要重新运行main.py
?
我认为__name__
解决方案不是很好,因为这阻止我分发file2.py
的代码,因为我不能确保它们保护他们的主要。 Windows没有解决方法吗? 如何解决这个问题(因为我从来没有遇到任何问题,没有用任何软件包来保护我的主程序 - 他们只是不使用多处理?)
编辑:我知道这是因为在Windows中没有实现fork()
。 我只是问是否有一个hack让解释器从file2.py
而不是main.py
开始,因为我可以肯定file2.py
是自给自足的
使用“spawn”start方法时,新进程是从头开始的Python解释器。 子进程中的新Python解释器无法确定需要导入哪些模块,因此它们会再次导入主模块,而后者又会导入其他所有模块。 这意味着必须可以导入主模块而没有任何副作用。
如果您使用的是与Windows不同的平台,则可以使用“fork”启动方法,而不会出现此问题。
那就是说,使用if __name__ == "__main__":
有什么问题if __name__ == "__main__":
? 它有许多额外的好处,例如文档工具将能够处理您的主模块,单元测试更容易等,所以您应该在任何情况下使用它。
Windows上需要if __name__ == '__main__'
,因为windows没有进程的“fork”选项。
例如,在linux中,您可以fork
进程,因此将复制父进程,并且副本将成为子进程(并且它将有权访问您在父进程中加载的已导入的代码)
由于你无法在Windows中进行分叉,因此python只是在子进程中导入父进程导入的所有代码。 这会产生类似的效果,但如果您不执行__name__
技巧,则此导入将在子进程中再次执行您的代码(这将使其创建自己的子进程,依此类推)。
因此,即使在您的示例中, main.py
也会再次导入(因为所有文件都会再次导入)。 python猜不到子进程应该导入什么特定的python脚本。
仅供参考,你应该注意使用全局变量的其他限制,你可以在这里阅读它https://docs.python.org/2/library/multiprocessing.html#windows
主模块已导入(但使用__name__ != '__main__'
因为Windows正在尝试在没有分叉的系统上模拟类似分叉的行为)。 multiprocessing
无法知道您在主模块中没有做任何重要事情,因此导入是“以防万一”来创建类似于主进程中的环境。 如果它没有这样做,那么在main中出现副作用的各种东西(例如导入,具有持久副作用的配置调用等)可能无法在子进程中正确执行。
因此,如果他们不保护他们的__main__
,代码不是多处理安全的(也不是unittest安全,导入安全等)。 if __name__ == '__main__':
保护包装应该是所有正确主模块的一部分。 继续进行分发,并附上有关要求多处理安全主模块保护的说明。
正如其他人所提到的,Windows上的spawn()
方法将为每个解释器实例重新导入代码。 此导入将在子进程中再次执行您的代码(这将使其创建自己的子进程,依此类推)。
解决方法是将多处理脚本拉入单独的文件,然后使用子进程从主脚本启动它。
我通过在临时目录中将变量绑定到脚本中来传递变量,然后使用argparse将临时目录传递到子进程中。
然后我将结果挑选到临时目录中,主脚本在其中检索它们。
这是我写的一个示例file_hasher()
函数:
import os, pickle, shutil, subprocess, sys, tempfile
def file_hasher(filenames):
try:
subprocess_directory = tempfile.mkdtemp()
input_arguments_file = os.path.join(subprocess_directory, 'input_arguments.dat')
with open(input_arguments_file, 'wb') as func_inputs:
pickle.dump(filenames, func_inputs)
current_path = os.path.dirname(os.path.realpath(__file__))
file_hasher = os.path.join(current_path, 'file_hasher.py')
python_interpreter = sys.executable
proc = subprocess.call([python_interpreter, file_hasher, subprocess_directory],
timeout=60,
)
output_file = os.path.join(subprocess_directory, 'function_outputs.dat')
with open(output_file, 'rb') as func_outputs:
hashlist = pickle.load(func_outputs)
finally:
shutil.rmtree(subprocess_directory)
return hashlist
#! /usr/bin/env python
import argparse, hashlib, os, pickle
from multiprocessing import Pool
def file_hasher(input_file):
with open(input_file, 'rb') as f:
data = f.read()
md5_hash = hashlib.md5(data)
hashval = md5_hash.hexdigest()
return hashval
if __name__=='__main__':
argument_parser = argparse.ArgumentParser()
argument_parser.add_argument('subprocess_directory', type=str)
subprocess_directory = argument_parser.parse_args().subprocess_directory
arguments_file = os.path.join(subprocess_directory, 'input_arguments.dat')
with open(arguments_file, 'rb') as func_inputs:
filenames = pickle.load(func_inputs)
hashlist = []
p = Pool()
for r in p.imap(file_hasher, filenames):
hashlist.append(r)
output_file = os.path.join(subprocess_directory, 'function_outputs.dat')
with open(output_file, 'wb') as func_outputs:
pickle.dump(hashlist, func_outputs)
一定会有更好的办法...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.